CN115586009A - 一种故障诊断与健康管理系统、方法 - Google Patents
一种故障诊断与健康管理系统、方法 Download PDFInfo
- Publication number
- CN115586009A CN115586009A CN202211402299.4A CN202211402299A CN115586009A CN 115586009 A CN115586009 A CN 115586009A CN 202211402299 A CN202211402299 A CN 202211402299A CN 115586009 A CN115586009 A CN 115586009A
- Authority
- CN
- China
- Prior art keywords
- diesel engine
- data
- subsystem
- fault
- health
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000036541 health Effects 0.000 title claims abstract description 170
- 238000003745 diagnosis Methods 0.000 title claims abstract description 96
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000004088 simulation Methods 0.000 claims abstract description 126
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 88
- 230000002159 abnormal effect Effects 0.000 claims abstract description 66
- 238000012545 processing Methods 0.000 claims abstract description 52
- 238000011156 evaluation Methods 0.000 claims abstract description 40
- 238000001514 detection method Methods 0.000 claims description 52
- 238000007726 management method Methods 0.000 claims description 32
- 230000005856 abnormality Effects 0.000 claims description 23
- 238000013500 data storage Methods 0.000 claims description 22
- 239000000446 fuel Substances 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000001816 cooling Methods 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 4
- 238000005461 lubrication Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 3
- 230000001050 lubricating effect Effects 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 claims 1
- 230000007257 malfunction Effects 0.000 claims 1
- 239000010687 lubricating oil Substances 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000306 component Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000002283 diesel fuel Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
- G01M15/04—Testing internal-combustion engines
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
- G01M15/04—Testing internal-combustion engines
- G01M15/05—Testing internal-combustion engines by combined monitoring of two or more different engine parameters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Chemical & Material Sciences (AREA)
- Economics (AREA)
- Combustion & Propulsion (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Testing Of Engines (AREA)
Abstract
本发明实施例提供了一种故障诊断与健康管理系统、方法,该系统包括数据采集模块、数据仿真模块、数据处理模块和健康度评价模块,数据采集模块用于获取柴油机的各个子系统不同运行工况下的运行数据;数据仿真模块用于建立柴油机仿真模型,根据柴油机当前时刻的实时运行数据对柴油机仿真模型进行标定,以利用标定后的已标定柴油机仿真模型仿真生成多种工况下的健康仿真数据,通过注入故障模型仿真生成多种工况下的故障仿真数据;数据处理模块用于根据实时运行数据和多种工况下的健康仿真数据、故障仿真数据,开发数据处理算法并得到工况识别结果和异常结果信息;健康度评价模块用于评估柴油机的整体健康度,以得到健康度评估结果。
Description
技术领域
本发明涉及故障检测技术领域,具体而言,涉及一种故障诊断与健康管理系统、方法。
背景技术
柴油机是燃烧柴油来获取能量释放的发动机,由于其功率大、经济性能好,应用于很多动力系统中,柴油机作为动力系统的核心部件,其运行效率、可靠性及安全性能对整个动力系统起着至关重要的作用,因此,需在设备运行中或设备基本不拆卸的情况下,实时监控柴油机的运行状态,分析柴油机中异常的部位及原因,并预测柴油机状态的未来发展趋势。但柴油机是典型的涉及多学科、多系统的复杂工程机械,其在运行过程中的故障发生具有不确定性,故障难以进行复现,且故障试验成本较高,此外,各子系统的数据特征信号存在重叠,相互影响,难以分离,更加大了柴油机运行过程中健康数据和故障数据获取的难度。
在现有技术中,柴油机主要的故障诊断手段主要包含振动检测、温度检测、转速检测、油液检测等,在一定程度上实现了对柴油机运行状态的监测与子系统故障的诊断,但现有的故障诊断方法只能完成基于柴油机健康状态下参数的监测、展示以及子系统的故障诊断,缺乏对柴油机故障数据的认识,同时,不能从全局对柴油机整体的运行状态以及综合健康度进行评价,忽视了不同子系统故障间的相互影响,缺乏对柴油机整体状态的视角。此外,现有的故障诊断方法脱离柴油机实际工况或者仅考虑某些特定工况下的故障表现,无法实现对柴油机全运行工况下的异常状态监测以及故障诊断。
发明内容
本说明书提供一种故障诊断与健康管理系统、方法,用以克服现有技术中存在的至少一个技术问题。
第一方面,根据本说明书实施例,提供了一种故障诊断与健康管理系统,所述系统包括:
数据采集模块,用于通过柴油机的ECU和传感器采集柴油机数据,以得到所述柴油机的各个子系统不同运行工况下的运行数据,其中,所述柴油机数据包括柴油机基本信息和柴油机运行参数信息;
数据仿真模块,用于建立柴油机仿真模型,并根据柴油机当前时刻的实时运行数据对所述柴油机仿真模型进行标定,以利用标定后的已标定柴油机仿真模型仿真生成多种工况下的健康仿真数据,同时通过注入故障模型,仿真生成多种工况下的故障仿真数据;
数据处理模块,用于获取所述柴油机当前时刻的所述实时运行数据以及多种工况下的所述健康仿真数据、故障仿真数据,并根据所述实时运行数据和多种工况下的所述健康仿真数据、故障仿真数据,开发数据处理算法并得到工况识别结果和异常结果信息,其中,所述异常结果信息包括工况异常检测结果和故障诊断结果;
健康度评价模块,用于根据所述数据处理模块得到的所述异常结果信息评估所述柴油机的整体健康度,以得到健康度评估结果。
可选地,所述数据处理算法包括工况识别算法、工况异常检测算法和子系统故障诊断算法,
所述数据处理模块根据所述实时运行数据和多种工况下的所述健康仿真数据、故障仿真数据,开发数据处理算法并得到工况识别结果和异常结果信息,具体用于:
根据所述实时运行数据以及多种工况下的所述健康仿真数据、故障仿真数据,开发所述柴油机的工况识别算法、工况异常检测算法和子系统故障诊断算法;
基于所述工况识别算法,识别所述柴油机当前状态的所属工况,得到所述柴油机的工况识别结果;
基于所述柴油机当前状态的所属工况对应的工况异常检测算法,识别所述柴油机当前时刻的所述实时运行数据是否存在异常以及存在异常时的异常程度,得到所述柴油机的工况异常检测结果;
基于所述柴油机当前状态的所属工况对应的子系统故障诊断算法,诊断所述柴油机的各个子系统的故障状态,得到所述柴油机的故障诊断结果。
进一步可选地,所述工况识别结果包括怠速、小负荷、中负荷、大负荷、减速、加速,
所述基于所述工况识别算法,识别所述柴油机当前状态的所属工况,得到所述柴油机的工况识别结果具体包括:
判断所述柴油机当前时刻的所述实时运行数据在柴油机特性曲线上的相应区间,根据所述实时运行数据在所述柴油机特性曲线上的相应区间,得到所述柴油机当前状态的工况识别结果。
进一步可选地,所述基于所述柴油机当前状态的所属工况对应的工况异常检测算法,识别所述柴油机当前时刻的所述实时运行数据是否存在异常以及存在异常时的异常程度,得到所述柴油机的工况异常检测结果,具体包括:
获取所述柴油机当前时刻的所述实时运行数据和所述柴油机当前状态的所属工况下的标准运行参数取值区间,将所述实时运行数据与所述标准运行参数取值区间进行对比,得到参数整体偏移程度,并将所述参数整体偏移程度作为所述工况异常检测结果。
可选地,所述柴油机基本信息包括柴油机型号、柴油机唯一编号,所述系统还包括:
数据存储模块,用于存储所述柴油机运行参数信息、所述工况识别结果、所述异常结果信息和所述健康度评估结果,并按柴油机编号区分不同柴油机的所述柴油机运行参数信息。
可选地,所述柴油机仿真模型包括进排气系统仿真模型、燃油系统仿真模型、冷却系统仿真模型、润滑系统仿真模型,所述故障模型的实现方式包括直接调参和故障机理等效模型。
可选地,所述健康度评价模块根据所述数据处理模块得到的所述异常结果信息评估所述柴油机的整体健康度,以得到健康度评估结果,具体用于:
根据所述数据处理模块得到的所述异常结果信息,得到所述柴油机的各个子系统的子系统健康度评分,其中,所述柴油机的子系统包括进排气系统、燃油系统、润滑系统、冷却系统;
根据所述柴油机的各个子系统的子系统健康度评分,计算所述柴油机的整体健康度评分,以得到健康度评估结果。
进一步可选地,所述子系统健康度评分包括子系统运行参数评分和故障项点诊断结果评分,其中,所述进排气系统的子系统运行参数包括进气压力、进气温度、排气压力、排气温度,所述进排气系统的故障项点包括空滤器堵塞、增压器效率降低,
所述子系统健康度评分的计算公式为:
其中,ci为柴油机第i个子系统的子系统健康度评分,Pi为柴油机第i个子系统的参数评分,Si为柴油机第i个子系统的故障项点诊断结果评分,pj为柴油机第i个子系统的第j个子系统运行参数的偏离程度评分,aj为柴油机第i个子系统的第j个子系统运行参数在第i个子系统运行过程中所占权重,sk为柴油机第i个子系统的第k个故障项点的诊断结果评分,bk为柴油机第i个子系统的第k个故障项点在第i个子系统的子系统健康度中所占权重;
所述子系统健康度为时间连续型参数,则所述子系统当前时刻的子系统健康度评分为:
所述柴油机的整体健康度评分的计算公式为:
第二方面,根据本说明书实施例,提供了一种故障诊断与健康管理方法,包括:
通过柴油机的ECU和传感器采集柴油机数据,以得到所述柴油机的各个子系统不同运行工况下的运行数据,其中,所述柴油机数据包括柴油机基本信息和柴油机运行参数信息;
获取所述柴油机当前时刻的所述实时运行数据;
建立柴油机仿真模型,并根据柴油机当前时刻的实时运行数据对所述柴油机仿真模型进行标定,以利用标定后的已标定柴油机仿真模型仿真生成多种工况下的健康仿真数据,同时通过注入故障模型,仿真生成多种工况下的故障仿真数据;
根据所述实时运行数据和多种工况下的所述健康仿真数据、故障仿真数据,开发数据处理算法并得到工况识别结果和异常结果信息,其中,所述异常结果信息包括工况异常检测结果和故障诊断结果;
根据所述异常结果信息评估所述柴油机的整体健康度,以得到健康度评估结果。
可选地,所述数据处理算法包括工况识别算法、工况异常检测算法和子系统故障诊断算法,
所述根据所述实时运行数据和多种工况下的所述健康仿真数据、故障仿真数据,开发数据处理算法并得到工况识别结果和异常结果信息,具体包括:
根据所述实时运行数据以及多种工况下的所述健康仿真数据、故障仿真数据,开发所述柴油机的工况识别算法、工况异常检测算法和子系统故障诊断算法;
基于所述工况识别算法,识别所述柴油机当前状态的所属工况,得到所述柴油机的工况识别结果;
基于所述柴油机当前状态的所属工况对应的工况异常检测算法,识别所述柴油机当前时刻的所述实时运行数据是否存在异常以及存在异常时的异常程度,得到所述柴油机的工况异常检测结果;
基于所述柴油机当前状态的所属工况对应的子系统故障诊断算法,诊断所述柴油机的各个子系统的故障状态,得到所述柴油机的故障诊断结果。
第三方面,根据本说明书实施例,提供了一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被运行时执行第二方面所述的故障诊断与健康管理方法。
本说明书实施例的有益效果如下:
该故障诊断与健康管理系统解决了现有技术中柴油机健康数据和故障数据不全、难以获得以及现有故障诊断方法在不同工况下运行数据存在差异,并且现有故障诊断系统缺乏总体健康度评价的问题,能够仿真柴油机健康和故障状态下的数据,且可跨越不同工况下运行数据的差异,准确识别柴油机系统的典型故障,并可从整体上对当前柴油机的健康状态进行评价,提高了以柴油机为核心的动力系统的运行的可靠性与安全性,适用范围广。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本说明书实施例提供的故障诊断与健康管理系统的结构框图;
图2为本说明书实施例提供的柴油机总体健康度分解示意图;
图3为本说明书实施例提供的故障诊断与健康管理方法的流程示意图。
具体实施方式
下面将结合本说明书实施例中的附图,对本说明书实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,本说明书实施例及附图中的术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
本说明书实施例公开了一种故障诊断与健康管理系统,基于模型仿真柴油机健康和故障数据,且识别并区分柴油机的不同工况,对于不同工况下的柴油机子系统分别进行故障诊断,并基于子系统的诊断结果综合评价柴油机的整体健康度。以下分别进行详细说明。
图1示出了根据本说明书实施例提供的一种故障诊断与健康管理系统。如图1所示,该故障诊断与健康管理系统主要包括数据采集模块1、数据存储模块2、数据仿真模块3、数据处理模块4和健康度评价模块5,其中,数据采集模块1、数据处理模块4、健康度评价模块5的输出端分别与数据存储模块2的输入端相连,数据存储模块2的输出端分别与数据仿真模块3、数据处理模块4的输入端相连,且数据仿真模块3的输出端与数据处理模块4的输入端相连,数据处理模块4的输出端与健康度评价模块5的输入端相连。
在本申请实施例中,数据采集模块1用于采集柴油机数据,并传输至数据存储模块2。具体的,数据采集模块1通过柴油机的ECU和传感器采集柴油机数据,以得到柴油机的各个子系统不同运行工况下的运行数据,并按柴油机编号存入数据存储模块2内的数据库中。其中,上述的ECU和传感器是柴油机系统所带的,柴油机数据包括柴油机基本信息和柴油机运行参数信息,柴油机基本信息包括但不限于柴油机型号、柴油机唯一编号,柴油机运行参数信息包括但不限于进气压力、进气温度、润滑油压力、润滑油温度、燃油压力、输出转速、输出扭矩、排气压力、排气温度。
在一个具体的实施例中,数据采集模块1通过CAN通信从柴油机系统所带的ECU和传感器信号中采集各个子系统不同运行工况下的运行数据,并以4G无线通讯的形式,通过数据传输接口传输至数据存储模块2,根据柴油机基本信息中的柴油机唯一编号,数据存储模块2按柴油机编号存入数据存储模块2的数据库中。
在本申请实施例中,数据存储模块2用于存储数据,其存储的数据包括但不限于采集模块1获取得到的柴油机运行参数信息、数据处理模块4得到的工况识别结果、异常结果信息以及健康度评价模块5得到的健康度评估结果,在具体的实施过程中,数据存储模块2按柴油机编号区分不同柴油机的柴油机运行参数信息。
数据仿真模块3用于建立柴油机仿真模型,采用运行数据标定柴油机仿真模型,并注入故障模型,以仿真健康数据和故障数据,开发故障诊断算法,且柴油机仿真模型能够根据运行数据的持续积累进行模型关键特征参数的更新,从而可不断优化模型的仿真精度,提高故障诊断算法性能。
详细的,数据仿真模块3建立柴油机仿真模型,并根据柴油机当前时刻的实时运行数据对柴油机仿真模型进行标定,以利用标定后的已标定柴油机仿真模型仿真生成多种工况下的健康仿真数据,同时通过注入故障模型,仿真生成多种工况下的故障仿真数据。
在一具体的实施例中,柴油机仿真模型包括但不限于进排气系统仿真模型、燃油系统仿真模型、冷却系统仿真模型、润滑系统仿真模型,故障模型的实现方式包括直接调参和故障机理等效模型,其中,调参指的是修改故障直接影响的参数数值,故障机理等效模型是根据等效故障机理建立模型,并注入到原始模型中。
在本申请实施例中,数据处理模块4用于获取柴油机当前时刻的实时运行数据以及多种工况下的健康仿真数据、故障仿真数据,并根据实时运行数据和多种工况下的健康仿真数据、故障仿真数据,开发针对柴油机的运行数据的数据处理算法,并利用所开发的数据处理算法得到工况识别结果和异常结果信息,同时,数据处理模块4将工况识别结果和异常结果信息实时传输写入数据存储模块2的数据库内。其中,异常结果信息包括工况异常检测结果和故障诊断结果,数据处理算法包括工况识别算法、工况异常检测算法和子系统故障诊断算法。具体的,数据处理模块4根据实时运行数据以及多种工况下的健康仿真数据、故障仿真数据,开发柴油机的工况识别算法、工况异常检测算法和子系统故障诊断算法,数据处理模块4基于工况识别算法,识别柴油机当前状态的所属工况,得到柴油机的工况识别结果,基于柴油机当前状态的所属工况对应的工况异常检测算法,识别柴油机当前时刻的实时运行数据是否存在异常以及存在异常时的异常程度,得到柴油机的工况异常检测结果,并基于柴油机当前状态的所属工况对应的子系统故障诊断算法,诊断柴油机的各个子系统的故障状态,即分别调用当前工况对应的子系统故障诊断算法诊断柴油机的各个子系统的故障,得到柴油机的故障诊断结果。
需要注意的是,本文中的柴油机当前状态的所属工况指的是柴油机当前时刻的工作状态,在一实施例中,柴油机的工况主要包括怠速、小负荷、中负荷、大负荷、减速、加速6种,也就是说,工况识别结果包括怠速、小负荷、中负荷、大负荷、减速、加速。
在一实施例中,数据处理模块4主要通过柴油机特性曲线识别柴油机所处工况,具体的,数据处理模块4判断柴油机当前时刻的实时运行数据在柴油机特性曲线上的相应区间,根据实时运行数据在柴油机特性曲线上的相应区间,得到柴油机当前状态的工况识别结果,即通过判断柴油机当前时刻的实时运行数据在哪种工作状态对应的柴油机特性曲线图的相应区间中,识别柴油机当前状态的所属工况。
在另一实施例中,数据处理模块4主要通过对比当前柴油机的实时运行参数和当前工况下标准运行参数取值区间进行工况异常检测算法识别的,并给出参数整体偏移程度作为工况异常的评价结果。具体的,数据处理模块4根据柴油机的柴油机唯一编号,从数据存储模块2的数据库内读取指定柴油机编号当前时刻的实时运行数据,从而获取该柴油机当前时刻的实时运行数据,将实时运行数据与柴油机当前状态的所属工况下的标准运行参数取值区间进行对比,得到参数整体偏移程度,进而将参数整体偏移程度作为工况异常检测结果。
健康度评价模块5用于根据数据处理模块4得到的异常结果信息评估柴油机的整体健康度,以得到健康度评估结果,并将健康度评估结果实时传输至数据存储模块2的数据库内。具体的,根据数据处理模块4得到的异常结果信息,健康度评价模块5得到柴油机的各个子系统的子系统健康度评分,并根据柴油机的各个子系统的子系统健康度评分,计算柴油机的整体健康度评分,从而得到健康度评估结果。其中,在一具体的实施例中,如图2所示,柴油机的子系统包括进排气系统、燃油系统、润滑系统、冷却系统。
在一实施例中,柴油机的整体健康度评分由各个子系统的子系统健康度综合而成,具体的,柴油机的整体健康度评分为柴油机的各个子系统的子系统健康度评分与子系统在柴油机中的影响权重的乘积和,其计算公式如下:
其中,子系统健康度包括两部分,分别为子系统运行参数评分和故障项点诊断结果评分,子系统运行参数评分为子系统所有相关的子系统运行参数的偏离程度评分与子系统运行参数在子系统运行过程中所占权重的乘积和,故障项点评分为子系统所有相关故障项点的诊断结果评分与故障项点在子系统健康度中所占权重的乘积和,在一具体的实施例中,如图2所示,以进排气系统为例,进排气系统包括空气滤清器、压气机、中冷器、涡轮机、气缸、进排气管等主要部件,子系统运行参数评分所涉及的子系统运行参数为进气压力、进气温度、排气压力、排气温度,故障项点诊断结果评分所涉及的故障项点为空滤器堵塞、增压器效率降低。
详细的,该子系统健康度评分的计算公式如下:
在上式中,ci为柴油机第i个子系统的子系统健康度评分,Pi为柴油机第i个子系统的参数评分,Si为柴油机第i个子系统的故障项点诊断结果评分,pj为柴油机第i个子系统的第j个子系统运行参数的偏离程度评分,aj为柴油机第i个子系统的第j个子系统运行参数在第i个子系统运行过程中所占权重,sk为柴油机第i个子系统的第k个故障项点的诊断结果评分,bk为柴油机第i个子系统的第k个故障项点在第i个子系统的子系统健康度中所占权重。
其中,在本申请实施例中,上述的子系统健康度为时间连续型参数,则当前子系统的子系统健康度评分为:
在上式中,为t时刻第i个子系统的子系统健康度评分,为t-1时刻第i个子系统的子系统健康度评分,Pi为柴油机第i个子系统的参数评分,Si为柴油机第i个子系统的故障项点诊断结果评分,wi为更新权重值,即当前状态对历史健康度状态的影响权重,结合历史数据分析与专家经验确定。
需注意的是,具体子系统的划分以及相应故障项点由柴油机型号以及当前柴油机所处工况决定的,此外,本发明实施例中的健康度评价模块5中的健康度框架与相关参数可根据数据处理模块4中的工况异常检测和故障诊断项点进行调整,以适配不同的柴油机型号以及故障项点组合。
此外,如图1所示,该故障诊断与健康管理系统还包括数据展示模块6,数据展示模块6用于实时展示柴油机运行参数信息、工况识别结果、异常结果信息和健康度评估结果,并用于实现人机交互操作。例如,在一个具体的实施例中,数据展示模块6读取数据存储模块2汇总的相关数据,并实时展示柴油机的进气压力、进气温度、润滑油压力、润滑油温度、燃油压力、输出转速、输出扭矩、排气压力、排气温度等运行参数以及工况识别结果、工况异常检测结果、故障诊断结果和健康度评估结果,且实现维修计划制定、维修工单推送、维修结果反馈、查询和管理等人机交互功能。
综上所述,本说明书公开一种故障诊断与健康管理系统,通过建立柴油机仿真模型以及注入故障模型的方式,仿真获取柴油机多个工况下的正常状态和故障状态运行数据,可持续性的支持数据处理算法的开发。在柴油机的实时状态监测中,对柴油机所处工况进行划分,使得该系统可通过基于不同工况建立相应的工况异常检测算法和子系统故障诊断算法,进而实现了对柴油机全工况覆盖的状态检测及故障诊断。通过对柴油机健康度的分解,综合运行参数异常检测以及故障诊断项点,实现了对柴油机的整体健康度评价,提高了柴油机系统的运行可靠性。此外,通过对健康度评价的框架和评价权重的灵活调整,可以适配不同的柴油机系统以及故障诊断项点组合,大大提高了该系统的适用范围。
该故障诊断与健康管理系统解决了柴油机数据采集存储、工况识别、工况异常检测、故障诊断以及整体健康度评价等问题,能够仿真柴油机健康和故障状态下的数据,且可跨越不同工况下运行数据的差异,准确识别柴油机系统的典型故障,并可从整体上对当前柴油机的健康状态进行评价,提高了以柴油机为核心的动力系统的运行的可靠性与安全性,且适用范围广。
相应于上述的故障诊断与健康管理系统实施例,本发明实施例还提供了一种故障诊断与健康管理方法,该故障诊断与健康管理方法包括以下步骤:
步骤100:通过柴油机的ECU和传感器采集柴油机数据,以得到柴油机的各个子系统不同运行工况下的运行数据。
其中,柴油机数据包括柴油机基本信息和柴油机运行参数信息,柴油机基本信息包括但不限于柴油机型号、柴油机唯一编号,柴油机运行参数信息包括但不限于进气压力、进气温度、润滑油压力、润滑油温度、燃油压力、输出转速、输出扭矩、排气压力、排气温度。
在一个具体的实施例中,数据采集模块通过CAN通信从柴油机系统所带的ECU和传感器信号中采集各个子系统不同运行工况下的运行数据,并以4G无线通讯的形式,通过数据传输接口传输至数据存储模块,根据柴油机基本信息中的柴油机唯一编号,数据存储模块按柴油机编号存入数据存储模块的数据库中。
步骤200:获取柴油机当前时刻的实时运行数据。
根据柴油机的柴油机唯一编号,数据处理模块根据柴油机的柴油机唯一编号,从数据存储模块的数据库内读取指定柴油机编号当前时刻的实时运行数据,从而获取该柴油机当前时刻的实时运行数据。
步骤300:建立柴油机仿真模型,并根据柴油机当前时刻的实时运行数据对柴油机仿真模型进行标定,以利用标定后的已标定柴油机仿真模型仿真生成多种工况下的健康仿真数据,同时通过注入故障模型,仿真生成多种工况下的故障仿真数据。
数据仿真模块建立柴油机仿真模型,并根据柴油机当前时刻的实时运行数据对柴油机仿真模型进行标定,以利用标定后的已标定柴油机仿真模型仿真生成多种工况下的健康仿真数据,同时通过注入故障模型,仿真生成多种工况下的故障仿真数据。
步骤400:根据实时运行数据和多种工况下的健康仿真数据、故障仿真数据,开发数据处理算法并得到工况识别结果和异常结果信息。
其中,数据处理算法包括工况识别算法、工况异常检测算法和子系统故障诊断算法,通过结合真实采集的实时运行数据与数据仿真模块生成的多种工况下的健康仿真数据、故障仿真数据开发工况识别算法、工况异常检测算法和子系统故障诊断算法。
在一实施例中,根据实时运行数据以及多种工况下的健康仿真数据、故障仿真数据,开发柴油机的工况识别算法、工况异常检测算法和子系统故障诊断算法。基于工况识别算法,识别柴油机当前状态的所属工况,得到柴油机的工况识别结果。调用当前工况对应的工况异常检测算法识别实时运行数据是否处于异常区间,即基于柴油机当前状态的所属工况对应的工况异常检测算法,识别柴油机当前时刻的实时运行数据是否存在异常以及存在异常时的异常程度,得到柴油机的工况异常检测结果。基于柴油机当前状态的所属工况对应的子系统故障诊断算法,诊断柴油机的各个子系统的故障状态,即分别调用当前工况对应的子系统故障诊断算法诊断柴油机的各个子系统的故障,得到柴油机的故障诊断结果。并将工况识别结果、工况异常检测结果、故障诊断结果实时传输写入数据存储模块的数据库内。
步骤500:根据异常结果信息评估柴油机的整体健康度,以得到健康度评估结果。
结合工况异常检测结果和故障诊断结果,通过健康度评价模块评估当前柴油机的整体健康度,得到健康度评估结果,并将健康度评估结果实时传输至数据存储模块的数据库内。
此外,该故障诊断与健康管理方法还可通过数据展示模块实时展示柴油机的运行参数以及工况识别结果、工况异常检测结果、故障诊断结果和健康度评估结果,并实现维修计划制定、维修工单推送、维修结果反馈、查询和管理等人机交互功能。
需要说明的是,本发明实施例提供的故障诊断与健康管理方法,由于与本发明的故障诊断与健康管理系统基于同一构思,其带来的技术效果与本发明的故障诊断与健康管理系统实施例相同,本实施例未提及之处可参见本发明的故障诊断与健康管理系统实施例中的叙述,此处不再赘述。
此外,本发明实施例还提供了一种存储介质,该存储介质存储有计算机程序,计算机程序被运行时执行上述实施例所述的故障诊断与健康管理方法。
本领域普通技术人员可以理解:附图只是一个实施例的示意图,附图中的模块或流程并不一定是实施本发明所必须的。
本领域普通技术人员可以理解:实施例中的装置中的模块可以按照实施例描述分布于实施例的装置中,也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。
Claims (10)
1.一种故障诊断与健康管理系统,其特征在于,所述系统包括:
数据采集模块,用于通过柴油机的ECU和传感器采集柴油机数据,以得到所述柴油机的各个子系统不同运行工况下的运行数据,其中,所述柴油机数据包括柴油机基本信息和柴油机运行参数信息;
数据仿真模块,用于建立柴油机仿真模型,并根据柴油机当前时刻的实时运行数据对所述柴油机仿真模型进行标定,以利用标定后的已标定柴油机仿真模型仿真生成多种工况下的健康仿真数据,同时通过注入故障模型,仿真生成多种工况下的故障仿真数据;
数据处理模块,用于获取所述柴油机当前时刻的所述实时运行数据以及多种工况下的所述健康仿真数据、故障仿真数据,并根据所述实时运行数据和多种工况下的所述健康仿真数据、故障仿真数据,开发数据处理算法并得到工况识别结果和异常结果信息,其中,所述异常结果信息包括工况异常检测结果和故障诊断结果;
健康度评价模块,用于根据所述数据处理模块得到的所述异常结果信息评估所述柴油机的整体健康度,以得到健康度评估结果。
2.根据权利要求1所述的故障诊断与健康管理系统,其特征在于,所述数据处理算法包括工况识别算法、工况异常检测算法和子系统故障诊断算法,
所述数据处理模块根据所述实时运行数据和多种工况下的所述健康仿真数据、故障仿真数据,开发数据处理算法并得到工况识别结果和异常结果信息,具体用于:
根据所述实时运行数据以及多种工况下的所述健康仿真数据、故障仿真数据,开发所述柴油机的工况识别算法、工况异常检测算法和子系统故障诊断算法;
基于所述工况识别算法,识别所述柴油机当前状态的所属工况,得到所述柴油机的工况识别结果;
基于所述柴油机当前状态的所属工况对应的工况异常检测算法,识别所述柴油机当前时刻的所述实时运行数据是否存在异常以及存在异常时的异常程度,得到所述柴油机的工况异常检测结果;
基于所述柴油机当前状态的所属工况对应的子系统故障诊断算法,诊断所述柴油机的各个子系统的故障状态,得到所述柴油机的故障诊断结果。
3.根据权利要求2所述的故障诊断与健康管理系统,其特征在于,所述工况识别结果包括怠速、小负荷、中负荷、大负荷、减速、加速,
所述基于所述工况识别算法,识别所述柴油机当前状态的所属工况,得到所述柴油机的工况识别结果具体包括:
判断所述柴油机当前时刻的所述实时运行数据在柴油机特性曲线上的相应区间,根据所述实时运行数据在所述柴油机特性曲线上的相应区间,得到所述柴油机当前状态的工况识别结果。
4.根据权利要求2所述的故障诊断与健康管理系统,其特征在于,所述基于所述柴油机当前状态的所属工况对应的工况异常检测算法,识别所述柴油机当前时刻的所述实时运行数据是否存在异常以及存在异常时的异常程度,得到所述柴油机的工况异常检测结果,具体包括:
获取所述柴油机当前时刻的所述实时运行数据和所述柴油机当前状态的所属工况下的标准运行参数取值区间,将所述实时运行数据与所述标准运行参数取值区间进行对比,得到参数整体偏移程度,并将所述参数整体偏移程度作为所述工况异常检测结果。
5.根据权利要求1所述的故障诊断与健康管理系统,其特征在于,所述柴油机基本信息包括柴油机型号、柴油机唯一编号,所述系统还包括:
数据存储模块,用于存储所述柴油机运行参数信息、所述工况识别结果、所述异常结果信息和所述健康度评估结果,并按柴油机编号区分不同柴油机的所述柴油机运行参数信息。
6.根据权利要求1所述的故障诊断与健康管理系统,其特征在于,所述柴油机仿真模型包括进排气系统仿真模型、燃油系统仿真模型、冷却系统仿真模型、润滑系统仿真模型,所述故障模型的实现方式包括直接调参和故障机理等效模型。
7.根据权利要求1所述的故障诊断与健康管理系统,其特征在于,所述健康度评价模块根据所述数据处理模块得到的所述异常结果信息评估所述柴油机的整体健康度,以得到健康度评估结果,具体用于:
根据所述数据处理模块得到的所述异常结果信息,得到所述柴油机的各个子系统的子系统健康度评分,其中,所述柴油机的子系统包括进排气系统、燃油系统、润滑系统、冷却系统;
根据所述柴油机的各个子系统的子系统健康度评分,计算所述柴油机的整体健康度评分,以得到健康度评估结果。
8.根据权利要求7所述的故障诊断与健康管理系统,其特征在于,所述子系统健康度评分包括子系统运行参数评分和故障项点诊断结果评分,其中,所述进排气系统的子系统运行参数包括进气压力、进气温度、排气压力、排气温度,所述进排气系统的故障项点包括空滤器堵塞、增压器效率降低,
所述子系统健康度评分的计算公式为:
其中,ci为柴油机第i个子系统的子系统健康度评分,Pi为柴油机第i个子系统的参数评分,Si为柴油机第i个子系统的故障项点诊断结果评分,pj为柴油机第i个子系统的第j个子系统运行参数的偏离程度评分,aj为柴油机第i个子系统的第j个子系统运行参数在第i个子系统运行过程中所占权重,sk为柴油机第i个子系统的第k个故障项点的诊断结果评分,bk为柴油机第i个子系统的第k个故障项点在第i个子系统的子系统健康度中所占权重;
所述子系统健康度为时间连续型参数,则所述子系统当前时刻的子系统健康度评分为:
所述柴油机的整体健康度评分的计算公式为:
9.一种故障诊断与健康管理方法,其特征在于,包括:
通过柴油机的ECU和传感器采集柴油机数据,以得到所述柴油机的各个子系统不同运行工况下的运行数据,其中,所述柴油机数据包括柴油机基本信息和柴油机运行参数信息;
获取所述柴油机当前时刻的所述实时运行数据;
建立柴油机仿真模型,并根据柴油机当前时刻的实时运行数据对所述柴油机仿真模型进行标定,以利用标定后的已标定柴油机仿真模型仿真生成多种工况下的健康仿真数据,同时通过注入故障模型,仿真生成多种工况下的故障仿真数据;
根据所述实时运行数据和多种工况下的所述健康仿真数据、故障仿真数据,开发数据处理算法并得到工况识别结果和异常结果信息,其中,所述异常结果信息包括工况异常检测结果和故障诊断结果;
根据所述异常结果信息评估所述柴油机的整体健康度,以得到健康度评估结果。
10.根据权利要求9所述的故障诊断与健康管理方法,其特征在于,所述数据处理算法包括工况识别算法、工况异常检测算法和子系统故障诊断算法,
所述根据所述实时运行数据和多种工况下的所述健康仿真数据、故障仿真数据,开发数据处理算法并得到工况识别结果和异常结果信息,具体包括:
根据所述实时运行数据以及多种工况下的所述健康仿真数据、故障仿真数据,开发所述柴油机的工况识别算法、工况异常检测算法和子系统故障诊断算法;
基于所述工况识别算法,识别所述柴油机当前状态的所属工况,得到所述柴油机的工况识别结果;
基于所述柴油机当前状态的所属工况对应的工况异常检测算法,识别所述柴油机当前时刻的所述实时运行数据是否存在异常以及存在异常时的异常程度,得到所述柴油机的工况异常检测结果;
基于所述柴油机当前状态的所属工况对应的子系统故障诊断算法,诊断所述柴油机的各个子系统的故障状态,得到所述柴油机的故障诊断结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211402299.4A CN115586009A (zh) | 2022-11-09 | 2022-11-09 | 一种故障诊断与健康管理系统、方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211402299.4A CN115586009A (zh) | 2022-11-09 | 2022-11-09 | 一种故障诊断与健康管理系统、方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115586009A true CN115586009A (zh) | 2023-01-10 |
Family
ID=84781826
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211402299.4A Pending CN115586009A (zh) | 2022-11-09 | 2022-11-09 | 一种故障诊断与健康管理系统、方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115586009A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116292246A (zh) * | 2023-03-02 | 2023-06-23 | 苏州科瑞达智能科技有限公司 | 一种真空泵的故障监测方法及系统 |
CN116773168A (zh) * | 2023-06-20 | 2023-09-19 | 南通思诺船舶科技有限公司 | 一种推进轴故障诊断方法及系统 |
-
2022
- 2022-11-09 CN CN202211402299.4A patent/CN115586009A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116292246A (zh) * | 2023-03-02 | 2023-06-23 | 苏州科瑞达智能科技有限公司 | 一种真空泵的故障监测方法及系统 |
CN116292246B (zh) * | 2023-03-02 | 2024-04-26 | 苏州科瑞达智能科技有限公司 | 一种真空泵的故障监测方法及系统 |
CN116773168A (zh) * | 2023-06-20 | 2023-09-19 | 南通思诺船舶科技有限公司 | 一种推进轴故障诊断方法及系统 |
CN116773168B (zh) * | 2023-06-20 | 2024-03-12 | 南通思诺船舶科技有限公司 | 一种推进轴故障诊断方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6240343B1 (en) | Apparatus and method for diagnosing an engine using computer based models in combination with a neural network | |
KR102263337B1 (ko) | 클라우드 기반 차량 고장 진단 방법, 장치 및 시스템 | |
CN115586009A (zh) | 一种故障诊断与健康管理系统、方法 | |
US6836708B2 (en) | Monitoring of vehicle health based on historical information | |
CN110766277B (zh) | 用于核工业现场的健康评估及诊断系统和移动终端 | |
US6092016A (en) | Apparatus and method for diagnosing an engine using an exhaust temperature model | |
US5585553A (en) | Apparatus and method for diagnosing an engine using a boost pressure model | |
US7869908B2 (en) | Method and system for data collection and analysis | |
CN109815441B (zh) | 一种采用贝叶斯网络模型诊断及预测发动机故障的方法 | |
JPH08202444A (ja) | 機械設備の異常診断方法および装置 | |
CN114048629B (zh) | 一种船舶柴油机健康管控系统及管控方法 | |
CN111896254A (zh) | 一种变速变载大型滚动轴承故障预测系统及方法 | |
JPH113113A (ja) | 機器の劣化診断方法及び装置 | |
CN116880454A (zh) | 车辆故障智能诊断系统与方法 | |
CN116480534A (zh) | 一种风电机组健康度评估和检修方法、系统、设备及介质 | |
CN110207996A (zh) | 燃气轮机故障预警方法和装置 | |
CN106706314A (zh) | 基于虚拟仪器的汽车自动变速器故障诊断仪及诊断方法 | |
CN114372489A (zh) | 一种柴油机工况识别与异常诊断方法 | |
CN108389282A (zh) | 一种车载故障自诊断预警云系统 | |
CN114648212A (zh) | 一种基于云计算的船舶设备性能智能管理系统及方法 | |
CN115774847B (zh) | 一种柴油机性能评估及预测方法和系统 | |
CN113313365A (zh) | 一种一次风机的劣化预警方法及设备 | |
CN114572361B (zh) | 船舶智能机舱运维系统验证平台 | |
CN115307916A (zh) | 一种基于工业物联网的汽车发动机故障预警系统 | |
KR20130049232A (ko) | 엔진 모니터링 시스템 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |