[发明专利]一种基于复合层次离散熵CHDE和成对邻近度PWFP的共轨喷油器敏感故障特征提取方法

说明书

本发明的目的在于提供一种基于CHDE和PWFP的共轨喷油器敏感故障特征提取方法，首先利用高精度压力传感器收集高压油管压力信号；然后计算燃油压力信号的复合层次离散熵；接着计算各层次的离散熵之间的邻近度，并依照邻近度打分，分数按照升序排列，分数越低，层次的离散熵对故障特征更敏感；最后将测试样本输入训练后二叉树支持向量机多分类器进行故障诊断和模式识别，并输出故障诊断结果。本发明适应于复杂工况的共轨喷油器敏感故障特征的提取，具有较好的故障诊断效果。

技术领域

本发明涉及的是一种柴油机故障提取方法，具体地说是柴油机共轨喷油器故障提取方法。

背景技术

电控高压共轨燃油喷射技术作为继高压喷射技术和增压技术之后的第三次柴油机技术飞跃而成为世界各国在船用柴油机技术方面竞争的热点。由于共轨燃油系统功能和结构日趋复杂，工作环境恶劣，共轨柴油机燃油系统可靠性成为电控燃油系统研究重点。日本船东协会轮机管理研究会调查表明，喷油器故障率占主机故障的17.1％，喷油器故障导致柴油机燃烧恶化、动力性能、经济性能和可靠性能下降，有害排放物增多。因此，及时准确地诊断出共轨喷油器的故障具有重要意义。

复合层次离散熵(Composite Hierarchical Dispersion Entropy,CHDE)的概念，用来衡量燃油压力波时间序列在不同尺度或频率下的复杂性。CHDE方法充分考虑了同一尺度下所有序列的信息，节点的熵值是各个序列的熵值的均值，能够很好地抑制由序列变短而引起的熵值突变问题。然后，当以复合层次离散熵作为特征反映原始时间序列的故障信息时，故障特征中常常含有冗余信息和不敏感信息，因此故障特征的选择是必不可少的。而针对高维度低样本数据来说，现有的降维方法处理效果不够显著。

发明内容

本发明的目的在于提供解决复杂工况环境下共轨喷油器故障特征难以提取或者提取精度不高问题的一种基于CHDE和PWFP的共轨喷油器敏感故障特征提取方法。

本发明的目的是这样实现的：

本发明一种基于CHDE和PWFP的共轨喷油器敏感故障特征提取方法，其特征是：

(1)通过压力传感器采集高压油管燃油压力波动信号，并将采集的信号分为训练信号和测试信号；

(2)分别计算训练信号和测试信号的复合层次离散熵；

(3)计算各层次的离散熵之间的邻近度，以邻近度为参照进行打分，分数按照升序排列；

(4)选择训练样本中的复合层次离散熵组成特征向量子集，输入二叉树支持向量机多分类器进行训练；

(5)采用训练后的二叉树支持向量机多分类器对测试样本进行故障诊断和模式识别，并输出故障诊断结果。

本发明还可以包括：

1、步骤(1)中的高压油管压力波动信号包括喷油器状态正常、喷油器针阀卡滞和喷油器喷孔堵塞三种类型。

2、步骤(2)中复合层次离散熵的计算步骤为：

A.设时间序列{x(i),i＝1,2,...,N}，长度为N，定义算子和如下：

j＝0,1,...,2^n-1，

和代表时间序列在第一层分解的低频成分，和代表时间序列在第一层分解的高频成分，和代表同一尺度下时间序列两种不同的层次化方式；

B.定义时间序列x(i)每一层分解的节点分量如下：