基于虛擬儀器的發動機故障診斷系統的研究

作者 陳雷1 楊麗娟2 1.西安工業大學 計算機學院(陜西 西安 710032) 2.西安工業大學 北方信息工程學院(陜西 西安 710200)

*基金項目：陜西省教育廳專項科研計劃項目(編號：2010JK595)

陳雷(1980-)，男，碩士，講師，研究方向：計算機控制，故障診斷。

摘要：柴油發動機維修費用很大，對于產生故障的發動機，找出其原因并有效地排除故障具有十分重要的意義。本文主要介紹了柴油發動機的主要故障以及故障樹診斷的方法、步驟，再運用故障樹分析法對柴油機供油系統故障做出系統全面地分析。在系統的分析之后，用LabVIEW平臺模擬柴油發動機故障診斷系統，對模擬故障進行診斷，診斷結果通過人機界面輸出，從而實現了故障診斷的智能化。

引言

　　柴油發動機一般工作在高溫、高速、強振動、大應力的惡劣環境下，發動機的工作狀態經常變換，承受變載荷，對安全性與可靠性要求極高。柴油發動機結構復雜，工作條件惡劣，使得發動機故障率較高，維修保養費用很大。據統計，發動機各種使用費用中，維修保養費就占了15%～30%，而且，一旦出現故障，發動機的動力性、經濟性、可靠性、安全性都會受到很大的影響，甚至會直接影響到發動機的使用壽命。對于發生了故障的柴油機，快速地找出故障發生的原因，并根據故障發生的原因來有效地排除故障，從而保障動力裝置能夠正常、平穩地運行。

1 柴油發動機故障診斷方法

　　故障診斷方法可以分為基于模型的方法、基于信號處理的方法和基于知識的方法。基于模型的方法需要建立比較準確的數學模型，基于信號處理的方法需要利用頻譜分析、相關分析、小波分析等各種方法，基于知識的方法主要是利用診斷對象信息、專家診斷知識等。

　　由于信息處理技術的發展和新型傳感器的應用，柴油發動機的監測數據越來越多。用于狀態監測與故障診斷的有用信息以各種形式存在于信息載體中，在發動機故障診斷過程中，可以獲取發動機的負荷程度、功率、轉速、燃油溫度、燃油消耗率、滑油消耗量、滑油溫度、滑油壓力、冷卻液溫度、冷卻液壓力、增壓器壓力、增壓器轉速、排氣溫度、進氣溫度、進氣壓力和光譜數據等參數的實時數據和歷史數據，通過這些參數的監測可以對發動機的故障進行準確的診斷。本文采用了基于故障參數加權可信度的故障樹診斷方法。

2 實時獲取參數的加權可信度

　　在系統進行故障診斷時，獲取了實時的故障參數，而后診斷傳感器采集的參數數值進行判斷，但是在利用這些參數進行數據融合時，沒有考慮到此時傳感器采集的數據是否可信。如果此時采集的數據是不可信的，對于最后的診斷結果會產生誤差，所以本文提出了加權可信度的方法，利用傳感器獲取的歷史數據來計算此時數據的可信度。

　　假設在某一時刻t獲得了傳感器的采集某參數的數據X_t，在這個時刻的之前第t-△t獲得采集數據X_t-△t，數據服從高斯分布，以它們的高斯曲線作為傳感器的特性函數，記為P_t(x)、P_t-△t(x)。

　　用置信距離測度反映P_t(x)和P_t-△t (x)之間的偏差大小，設：

　　其中：

　　d_ti表示t時刻數據與t-Δt時刻數據的置信距離測度，借助誤差函數erf(θ)，求得：

　　假設r₁表示x_t-Δt對x_t的支持程度，則r₁應該為置信距離測度d_ti的函數，并且d_ti越大，r₁越小，根據實際情況可以設置時間間隔Δt，從而獲得多個r_i。

　　r_i=f(d_ti)

　　r_i是單調下降的函數，且0≤r_i ≤10。

　　則在某時刻的數據x_t，存在一個一維支持矩陣R=[r₁ r₂ r₃…… r_n]。

　　x_t的真實支持程度應該由r₁ ，r₂ ，r₃…… r_n的綜合支持程度體現，設x_t的綜合支持程度為r_i，r_i越大，x_t的可靠性越高，則rⁱ應滿足下面條件：

　　由于與t時刻的數據越近的置信度越高，所以針對不同的時間間隔，分配不同的權重系數a1，a2，a3…… an。

　　R=r₁a₁+ r₂a₂+ r₃a₃……r_na_n

　　寫成矩陣形式如下：

　　r=Ra

　　其中a=[a₁，a₂，a₃……a_n]^T，r就是t時刻該參數此時數據的可信度權值。利用本方法就可以針對所有要進行診斷的參數數據進行可信度權值的計算，計算后就產生了所有診斷參數的權值矩陣：。

　　之后利用根據先驗知識設置的各參數置信權值限矩陣進行比對，如果采集的參數的可信度沒有達到置信權值限，則認為此時的數據不可信就可以不將此參數作為故障診斷的輸入。如此操作后，可以將診斷的所有輸入參數統一進行加權可信度的分析，從而剔除了不可信的參數，使得最后的診斷結果更加準確。

3 仿真實驗結果

　　本文以柴油發動機的凸輪軸磨損故障為例進行實驗驗證，該故障樹如圖2所示。

　　其數據型參數的參考數值范圍如表1所示。

　　首先測量出該故障的故障參數的數值如下：

　　排氣冒黑煙，光譜數據發生變化。每個參數的先驗權值設為16.6667%，實際的采集數據為：

　　100%負荷下功率： 289 287 290 293 289 301 293 294 289 300 298;

　　增壓壓力：84 92 86 94 83 91 90 89 94 87 82;

　　排溫：412.2 427 423 415 427 430 428 426 423 431 400;

　　冷卻水溫度:71 70 77 72 73 70 74 70 72 74 72;

　　測量出10組數據后，根據參數的參考范圍設置參數的比較上下限，經過上文提到的可信度加權的計算給采集的參數加權，最后利用各個參數的可信度加權數據進行邏輯判斷計算出該故障的概率，通過該概率與設置的概率報警下限的比較實現故障的報警。

4 結論

　　經過本系統的可信度計算，系統就會根據設定的野值剔除規則將出現的野值剔除，從而避免了故障的誤報。通過本系統的設計及仿真，可以看出基于可信度的技術的應用大大降低了故障的誤報率，解決了誤報率居高不下的問題，并且為日后的數據分析提供了可查數據。但是本系統的數據是模擬的數據，能夠從一定程度上驗證算法的可信性，希望能夠利用真實的數據和硬件的系統進行集成，為日后的真實系統開發提供參考。

　　參考文獻：

　　[1]徐章遂.房立清.米東.神經網絡的柴油機燃油系統故障診斷[J].內燃機工程,2001. 22(3):32-35.

　　[2]喬新勇.劉東利.康葳.基于壓力波的柴油發動機噴油器故障診斷研究[J].無損檢測,2004(4):180-184.

　　[3]衛軍.宋保維.王文斌.基于虛擬儀器的柴油發動機噴油器故障診斷研究[J].機械與電子,2006(7):53-55.

　　[4]劉守道,張來斌,王朝暉.柴油機故障診斷的現代方法及展望[J].石油礦場機械, 2000, 29(1):32-35.

　　[5]郭濤,趙志宇.基于故障樹的車輛柴油機故障診斷[J].數碼世界, 2016(9).

　　[6]陳農田,馬婷,王杰,等.模糊故障樹分析法在航空發動機滑油滲漏分析中的應用

　　[J].計算機測量與控制,2016, 24(6).

　　本文來源于《電子產品世界》2017年第4期第41頁，歡迎您寫論文時引用，并注明出處。