[发明专利]一种基于关键性能指标的柴油机气缸分层故障诊断方法

权利要求书

1.一种基于关键性能指标的柴油机气缸分层故障诊断方法，基于数据驱动，建立反映气缸健康状态的关键性能指标；针对柴油机气缸组件关键性能指标的动态过程特性，构建关键性能指标预测器；通过分层诊断机制对柴油机气缸组件进行分层故障诊断；包括如下步骤：

1)建立气缸关键性能指标；关键性能指标包括设备层气缸组件磨损综合指标KPI和部件层各个气缸的磨损指标kpi_i；

2)对历史数据进行建模，建立基于可测过程变量的关键性能指标的预测器；

3)将待诊断数据输入预测器，进行分层故障诊断，包括基于子空间辨识的故障检测算法和基于重构的故障隔离算法；分层包括设备层、部件层和底层；待诊断数据包括待诊断柴油机的气缸关键性能指标和气缸底层变量数据；所述气缸底层变量数据是各个气缸的实际测量变量；包括如下步骤：

31)进行故障检测，采用基于子空间辨识方法的故障检测方法检测判断设备层气缸组件磨损综合指标是否发生异常；基于子空间辨识方法的故障检测方法具体包括如下过程：

311)将柴油机气缸的数据的动态特性表示成动态系统状态空间的形式，采用式2的线性时不变差分方程描述：

其中，x(k)为动态系统的状态变量；u(k)为动态系统的输入变量；y(k)为动态系统的输出变量；在第k个采样时刻，关键性能指标θ(k)与变量u(k)、y(k)的关系描述为式3的线性模型：

θ(k)＝C_θx(k)+D_θ1u(k)+D_θ2y(k)+η(k) (式3)

w(k)∈Rⁿ,v(k)∈R^m,η(k)∈R^l是零均值，高斯分布的白噪声，w(k)是过程噪声，v(k)是输出测量噪声，η(k)是关键性能指标θ(k)的测量噪声；A,B,C,D,C_θ,D_θ1和D_θ2均为未知的系数矩阵；

312)引入Kalman滤波器估计状态值替代状态变量，将Kalman滤波器估计状态值代入式3的关键性能指标关系模型，得到式4：

其中，为Kalman滤波器估计状态值；K为Kalman滤波器增益；

313)定义数据结构：假设对任意向量λ，定义以下数据结构：

其中，N为历史数据的样本数量；

将关键性能指标θ与过程变量以及噪声项的数据表示式5的结构，得到数据模型：

Θ_k,s＝Γ_sL_pZ_k-s,p+T_sZ_k,s+H_k,s (式6)

其中，k代表第k个采样时刻；s为建模需要的第k个采样时刻前的时间区间长度；p为建模需要的第k个采样时刻后的时间区间长度；Θ_k,s为关键性能指标数据；Z_k,s,Z_k-s,p是过程变量的数据；H_k,s代表噪声部分；Γ_sL_p及T_s是系数矩阵；

314)通过式7进行LQ分解：

由Q矩阵的正交性得H_k,s＝L₃₃Q₃，由此将数据模型未知系数的求解转化为一个最小二乘问题，并可得式8：

其中，为矩阵的伪逆；

315)设计基于可测过程变量的关键性能指标的预测器，表示为式9：

其中，是第k时刻的前s时间区间的关键性能指标的预测向量；z_s(k)是第k时刻的前s时间区间的过程变量向量；z_p(k-s)是第k-s时刻的后p时间区间的过程变量向量；

316)根据历史的关键性能指标数据计算得到均值N为历史数据的样本数量；θ_s为第k个采样时刻前s时间区间长度的关键性能指标数据向量；

317)定义预测残差为协方差阵表示为式10:

其中，E()指期望；^T指矩阵或向量的转置；r_s(k+i)为第k+i时刻前s时间区间长度的残差向量；R_k,s为第k时刻的前s时间区间长度的残差矩阵；

残差的评价函数表示为式11：

其中，r_s(k)为第k个采样时刻前s时间区间长度的预测残差向量，是模型预测值与历史均值的差；为此残差向量的转置；J(r_s(k))为由r_s(k)经式11计算得到的评价函数，也是检验是否发生故障的统计量；

评价函数的阈值表示为式12：

其中，J_th,θ为评价函数的阈值；定义置信度1-α；为自由度为l的χ²分布的1-α分位点；

将残差的评价函数J(r_s(k))与评价函数的阈值进行比较，得到是否发生故障；

通过上述步骤，实现基于子空间辨识方法的故障检测；检测出关键性能指标的异常后，采用基于重构的故障隔离算法定位出故障变量；包括对部件层进行故障隔离和对底层变量进行故障隔离；基于重构方法的故障隔离包括如下过程：

321)记故障过程变量为数据矩阵将数据矩阵标准化，即减去均值并除以标准差，并记标准化后的矩阵为Z_norm＝[z_norm(1) … z_norm(N)]；

322)然后对Z_norm做主元分析:构造主元空间和残差空间上的综合评价指标其中T_α,Q_α分别是主元空间和残差空间上的阈值；T为主元分析得分矩阵，P为主元分析的主元负载矩阵，E为主元分析的残差部分；

323)假设故障变量的集合为通过最小化评价指标来重构故障变量，即求使得可得到重构值；表示为式13：

其中即矩阵每一列的第f_i个元素为1，其余为0；P是对角阵，与故障变量的标号相对应的位置处元素为1，其余为0；

324)重构故障后评价指标的减少值表示为式14：

利用重构的过程变量按照式11重新计算得到J^*(r_s(k))，若J^*(r_s(k))＜J_th,θ，则说明成功重构残差评价函数，即隔离出故障变量；

32)对部件层进行故障隔离：若检测出设备层气缸磨损综合指标发生故障异常，则定位部件层中第几个气缸磨损指标异常，由此诊断隔离出相应部件层的气缸磨损指标异常的气缸；

33)对底层变量进行故障隔离：当检测出部件层中第i个气缸磨损指标异常时，再定位出底层变量中异常的变量，由此诊断隔离出导致此部件层气缸磨损指标异常的相关的底层环节变量；

通过上述步骤，实现基于关键性能指标的基于数据驱动的柴油机气缸的分层故障诊断。