[发明专利]基于瞬时转速聚类分析的柴油机故障诊断方法

说明书

技术领域

本发明涉及的是一种柴油机故障诊断方法，具体地说，是一种基于瞬时转速聚类分析的柴油机故障诊断方法。

背景技术

柴油机在不同领域发挥着重要的作用，一旦柴油机发生故障，会造成巨大的经济损失，甚至危及工作人员人身安全。及时、简便而又准确的诊断出柴油机异常状态是现实生产的客观要求。在用于柴油机故障诊断的各种信号中，瞬时转速信号以其简便，准确，波形与气缸对应等优点得到了广泛的应用，通过瞬时转速信号已可有效地诊断出单缸漏油、气门漏气、单缸停止点火等故障。

长期以来，基于瞬时转速波动的诊断方法都是基于典型的故障样本设计的，如通过比较正常状态和故障状态的特征值，设定出某一阈值，并以此作为诊断柴油机故障的依据。现实中柴油机故障样本的获取往往具有破坏性、偶然性和难以再现性并且成本昂贵，因此故障样本的获得非常困难。近年来，随着群体智能的发展，将瞬时转速作为气缸状态属性，利用群体智能聚类，从而分离出状态异常气缸的诊断方法，有效地解决了故障样本缺乏这一“瓶颈问题”。然而，应用群体智能聚类算法在对瞬时转速进行聚类时，需要设置较多的参数，而且其中大多是由经验得出，其设置是否合理严重影响聚类结果。此外，群体智能聚类算法程序较为复杂，收敛速度慢，运行效率低。发明一种不依赖典型故障样本，且又能简单、快速地定位故障气缸的柴油机故障诊断方法，对于提高柴油机运行的安全性，实现对柴油机的视情维修具有重要的意义。

中国专利公开号CN102680242A（公开日为2012.9.19）的专利文件中公开了一种“基于群体智能的柴油机故障诊断方法”，该方法包括以下步骤：检测柴油机气缸运行信息包括气缸进排气温度、进排气压力、主轴瞬时转速；将温度、压力信息进行数/模转换、滤波,根据柴油机上止点信号和气缸发火次序,分解主轴瞬时转速数据,获得各气缸在发火做功时对应的瞬时转速信息；将处理后的信息分两路送出,第一路信息利用群体智能聚类算法将气缸进排气温度、进排气压力、瞬时转速作为聚类对象进行聚类,找出状态异常气缸；将第二路信息和上述结果通过基于贝叶斯网络技术融合运行参数信息,诊断柴油机的故障原因和部位。本发明可实现柴油机近乎“零故障”的高质量运行,从而提高船舶航行的安全性和经济性”。其不足之处是：该方法利用群体智能聚类算法对瞬时转速进行聚类时，大量经验性参数的设置影响聚类准确度，且判断对象类型时，智能体需要进行大量的试探动作，算法较复杂，收敛速度慢，效率较低。

发明内容

本发明的目的在于提供一种能提高设备的可靠性，具有较高的实时性的基于瞬时转速聚类分析的柴油机故障诊断方法。

本发明的方法具体包括以下步骤：

1、通过瞬时转速传感器结合数据采集卡采集柴油机瞬时转速信号；

2、将采集到的信号进行滤波，根据上止点信号和各缸发火顺序，分解主轴瞬时转速数据，获得各缸对应曲柄转角范围内的瞬时转速信息，将其分别用波形图显示，并初始化对应曲轴转角起始角度为零；

3、将处理后的信号分两路输出，第一路用来对瞬时转速信号进行时域分析，提取特征值，提取的特征值包括：各缸对应曲柄转角范围内的转速波动值、前一缸转速最大值与后一缸转速最小值之差、各缸工作时对应瞬时转速波动值与一个循环内所有气缸瞬时转速波动值的平均值之比、各缸转速最大最小值分别与一个工作循环内的最大最小值之差；

4、将第二路信息进行小波分析，得到频谱图，最终选取1次谐波与4次谐波幅值之比ε_f=f₁/f₄作为频域特征参数；

5、整合步骤3、步骤4得到的特征参数，并对其做标准化处理，将处理后的数据作为聚类对象选取不同的类别个数K，重复运行随机重启动K-means算法，选取最有意义的聚类划分结果作为最终聚类结果，诊断出状态异常气缸。

本发明针对现有技术的不足，提供了一种基于瞬时转速聚类分析的柴油机故障诊断方法，在设备劣化初期简便、精确定位故障气缸，以确保柴油机在最佳状态下运行，提高设备的可靠性，具有较高的实时性。

本发明首先采集柴油机运行时的瞬时转速信号，并对采集到的信号进行滤波，消除噪声干扰，根据上止点信号和各缸发火顺序，分解主轴瞬时转速数据，获得各缸对应的瞬时转速信息；将处理后的信号进行时、频域分析，获取瞬时转速信号的时频域特征，构成一个二维数组；利用随机重启动K-means算法聚类分析，横向比较多缸柴油机各气缸的性能状态，设置不同的类别个数K，重复运行聚类后，由领域专家选取最有意义的聚类结果作为最终诊断结果，从而诊断出故障气缸。