[发明专利]基于三点模型的柴油机故障预测方法有效
| 申请号: | 201410525303.5 | 申请日: | 2014-10-08 |
| 公开(公告)号: | CN104295373B | 公开(公告)日: | 2016-11-23 |
| 发明(设计)人: | 李文辉;董佳莹;费景洲;王金鑫;王忠巍 | 申请(专利权)人: | 哈尔滨工程大学 |
| 主分类号: | F02B77/08 | 分类号: | F02B77/08 |
| 代理公司: | 暂无信息 | 代理人: | 暂无信息 |
| 地址: | 150001 黑龙江省哈尔滨市南岗区*** | 国省代码: | 黑龙江;23 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 基于 模型 柴油机 故障 预测 方法 | ||
1.基于三点模型的柴油机故障预测方法,其特征是:
(1)等时采集检测柴油机运行参数,所采集的运行参数包括:功率、油耗率、转速、烟度、噪声、滑油压力、排气温度、增压后进气压力;
(2)将获得的柴油机运行参数进行中位值滤波,将含有噪声的运行参数转换为无干扰信号,对于每一项参数,按照时间顺序,由远及近分别构成建模原序列;
(3)将所获取的无干扰信号作为建模数据,获取三点坐标:
三点坐标的获取步骤如下:
a、基于三点法的预测模型包括三种:二次抛物线型、直线型与指数曲线型、三次抛物线型,从中选择一种预测模型,建立柴油机运行参数三点模型;
b、确定三点坐标:
对于柴油机的一项运行参数,三点纵坐标的确定应满足如下原则:
1)原序列总项数N应当是奇数,此时N=n,当总项数为偶数时,则去除第一项检测数据,使N奇数化,此时N-1=n,n为实际序列总项数,同时,n不小于9;
2)若实际序列总项数9≤n<15,则在保持检测数据排列顺序不变的前提下,抽取实际序列的前3项、正中3项、后3项检测数据,分别构成初期、中期、近期子序列;每个子序列算出一个加权平均数,得到的三个加权平均数就是需要确定的三点的纵坐标;对于每一子序列,检测数据对应权数的选择由远及近分别取1、2、3;
3)若实际序列总项数n≥15,则在保持检测数据排列顺序不变的前提下,抽取原序列的前5项、正中5项、后5项检测数据,分别构成初期、中期、近期子序列。每个子序列算出一个加权平均数,得到的三个加权平均数就是需要确定的三点的纵坐标;对于每一子序列,检测数据对应权数由远及近依次选取1、2、3、4、5;
在满足以上三个原则的前提下,将初期、中期、近期三点的坐标分别设为
M1(t1,R),M2(t2,S),M3(t3,T)
其中,M1,M2,M3分别代表初期、中期、近期三点;
t1,t2,t3分别为初期、中期、近期三点横坐标;
R,S,T分别为初期、中期、近期三点纵坐标;
设正中项数实际序列各项检测值为y1、y2、…yd…yn;
因此对于五项加权平均,三点的纵坐标为:
对于三项加权平均,三点的纵坐标为:
同样的,三点的横坐标也取各项检测值对应时间点的加权平均数;对于五项加权平均,三点横坐标为:
对于五项加权平均,三点的坐标为:
对于三项加权平均,三点的横坐标为:
对于三项加权平均,三点的坐标为:
(4)计算趋势线模型参数估计值,并生成预测数据:
对于二次抛物线型,其预测趋势线模型为对于直线型和指数曲线型,其预测趋势线模型分别为和对于三次抛物线型,其预测趋势线模型为将步骤(3)中三点坐标带入,求得各预测模型的参数估计值,完成建模;在此基础上,生成预测数据;
(5)返回步骤(3)建立模型,直至获得所有所需柴油机运行状态参数预测值。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于哈尔滨工程大学,未经哈尔滨工程大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201410525303.5/1.html,转载请声明来源钻瓜专利网。





