[发明专利]基于简化贝叶斯模型的柴油机燃油系统多故障识别方法

摘要

本发明的目的在于提供基于简化贝叶斯模型的柴油机燃油系统多故障识别方法，首先利用高压油管油压信号的多个时、频域特征参数表征燃油系统多种故障的外在特性，建立燃油系统故障诊断决策表；其次，通过粗糙集理论分析决策表包含的诊断知识的等价性，简化故障诊断规则；再次，采用网络拓描述故障诊断规则，建立燃油系统贝叶斯网络诊断模型，通过因果机制独立方法设定诊断模型所需的定量知识；最后采集燃油系统高压油管压力信号，利用贝叶斯网络诊断模型对燃油系统进行故障诊断，识别每种故障的发生概率。本发明可降低燃油系统贝叶斯模型建立的复杂度，提高基于贝叶斯网络的燃油系统多故障诊断技术的工程实用性。

主权项

基于简化贝叶斯模型的柴油机燃油系统多故障识别方法，其特征是：(1)选取柴油机燃油系统的故障类型及其外部征兆，以外部征兆作为条件属性集，以故障类型作为决策属性集，通过粗糙集理论构建燃油系统故障诊断决策表T；选取的柴油机燃油系统故障类型包括：喷油器弹簧折断f1、出油阀失效f2、柱塞偶件穴蚀f3、喷孔积碳f4、针阀上卡f5、喷油器滴漏f6；选取的柴油机燃油系统外部征兆包括：压力升高率降低s1、喷油持续期延长s2、余波宽度减小s3、峰值因子增大s4、启喷压力降低s5、余波振荡幅值减小s6、最高喷射压力降低s7；(2)利用粗糙集理论分析外部征兆si(i＝1,…,7)在燃油系统故障辨识中的等价性，去除冗余的征兆属性，通过粗糙集理论中的诊断规则导出方法，得到燃油系统故障最简诊断规则rei；(3)利用约简后的诊断规则rei建立燃油系统贝叶斯网络诊断模型，根据因果机制独立设定诊断模型中故障对外部征兆的贡献概率Pj＝P(si|fj)，利用下式求解外部征兆的条件概率：P(si|Pa(si))=1-Πj:fj∈Pa(si)+(1-Pj)]]>式中Pa(si)为外部征兆si的父结点集；Pa(si)+为Pa(si)中取值为真的父节点子集；(4)采集柴油机高压油管压力信号，并提取压力信号的时、频域特征，具体包括：压力升高率、喷油持续期、余波宽度、峰值因子、启喷压力、余波振荡幅值、最高喷射压力，将提取的时、频域特征输入贝叶斯网络诊断模型，计算得到柴油机燃油系统每种故障的发生概率：P(f1,...,f6|e,G)=ΣV/{f1,...,f6}∪eΠi=1nP(vi|pa(vi),G)ΣV/eΠi=1nP(vi|pa(vi),G)]]>式中，n为贝叶斯网络模型中所有结点的个数，e表示由观测到取值为真的外部征兆结点sj+构成的集合，e＝{sj+}；G表示燃油系统贝叶斯网络诊断模型结构；V为由网络结点vi全体构成的集合，V＝{vi}；ft(t＝1,…,6)为贝叶斯网络诊断模型中的故障类型结点；pa(vi)为网络结点vi的父结点集。