[发明专利]一种喷油器在线故障诊断设备及诊断方法在审

专利信息
申请号: 202210797495.X 申请日: 2022-07-06
公开(公告)号: CN115596588A 公开(公告)日: 2023-01-13
发明(设计)人: 费柏平;陆娟;任丽娟;刘敏;吴东兴;杨振国;张武凯;宋国民 申请(专利权)人: 一汽解放汽车有限公司
主分类号: F02M65/00 分类号: F02M65/00;F02D41/38
代理公司: 北京远智汇知识产权代理有限公司 11659 代理人: 刘茜阳
地址: 214025 江*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 喷油器 在线 故障诊断 设备 诊断 方法
【说明书】:

发明公开了一种喷油器在线故障诊断设备及诊断方法。诊断设备包括喷油器性能试验物理系统、喷油器性能仿真数字系统和基于数字孪生的故障诊断数据分析系统;喷油器性能试验物理系统包括喷油器和试验台,试验台用于对喷油器进行性能试验;喷油器性能仿真数字系统用于模拟喷油器在不同工况条件下的喷油性能表现;故障诊断数据分析系统包括参数联动孪生模块、自动优化标定模块、数字孪生源信号采集模块、特征工程模块、故障分类模型训练模块和故障诊断应用模块。通过数字孪生技术结合机器学习算法实现喷油器故障诊断分类,可以实现更为精细的故障诊断分类,并提供解释性更强更明确的故障因果路径,进而可以提供更明确的维修指导建议和预警信号。

技术领域

本发明涉及喷油器故障诊断技术领域,尤其涉及一种喷油器在线故障诊断设备及诊断方法。

背景技术

喷油器处于发动机缸内高温、高压环境,易发生故障,而喷油器故障易导致发动机燃烧恶化、动力性能、经济性能和可靠性能下降,有害排放物增多。因此,对喷油器进行故障诊断是具有重大意义的。

现有技术中,采用高压油管压力信号作为喷油器故障源信号,利用改进的EEMD(集合经验模态分解,Ensemble Empirical Mode Decomposition) 方法对油管压力信号进行滤波处理并计算滤波后油管压力信号的层次加权排列熵,以信息熵值作为喷油器故障特征指标,利用得到的信息熵值训练SVM(支持向量机,Support Vector Machine)多分类器;将测试样本的信息熵值作为特征向量输入训练完成的SVM多分类器中,识别共轨喷油器故障分类结果。该方案结合机器学习算法提供一种喷油器故障诊断方法,由于监测信号单一,仅以高压油管压力波动信号作为喷油器故障源信号,只能识别故障表征与高压油管压力波动强相关的故障类别,且仅通过机器学习算法识别,其故障原因可解释性不强。

发明内容

本发明提供了一种喷油器在线故障诊断设备及诊断方法,以实现更为精细的故障诊断分类。

根据本发明的一方面,提供了一种喷油器在线故障诊断设备,包括喷油器性能试验物理系统、喷油器性能仿真数字系统和基于数字孪生的故障诊断数据分析系统;

所述喷油器性能试验物理系统包括喷油器和试验台,所述试验台用于对所述喷油器进行性能试验;

所述喷油器性能仿真数字系统用于模拟喷油器在不同工况条件下的喷油性能表现;

所述故障诊断数据分析系统包括参数联动孪生模块、自动优化标定模块、数字孪生源信号采集模块、特征工程模块、故障分类模型训练模块和故障诊断应用模块;

所述参数联动孪生模块用于实现所述喷油器性能仿真数字系统与所述喷油器性能试验物理系统的试验工况条件参数联动,保证工况条件的一致性,驱动仿真与试验运行;

所述自动优化标定模块用于调用参数联动孪生模块,并对照标准试验结果,通过优化算法对所述喷油器性能仿真数字系统中的待定参数调优;

所述数字孪生源信号采集模块用于调用所述参数联动孪生模块,并为喷油器故障分类建模提供基础数据作为故障分析源信号;

所述特征工程模块用于对所述故障分析源信号进行数据处理,并提取特征向量;

所述故障分类模型训练模块用于根据所述特征向量进行故障分类模型训练和检验;

所述故障诊断应用模块用于根据训练好的故障分类模型对待诊断喷油器进行诊断预测。

可选的,述故障诊断数据分析系统还包括中心数据库,所述中心数据库用于存储、调用、管理所述喷油器性能试验物理系统及所述喷油器性能仿真数字系统运行产生的数据及各功能模块产生的数据。

可选的,所述试验台还用于控制所述喷油器的试验工况条件、采集喷油器的性能结果以及监测试验台的运行状态。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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一汽解放汽车有限公司,未经一汽解放汽车有限公司许可,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/202210797495.X/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top