[发明专利]一种机理数据融合的柴油机涡轮增压器故障检测方法

权利要求书

1.一种机理数据融合的柴油机增压器故障检测方法，建立涡轮增压器关键性能指标，通过基于典型相关分析CCA或LQ分解的关键性能指标KPI建模方法辨识模型，进行柴油机增压器故障的在线检测；包括如下步骤：

1)建立涡轮增压器关键性能指标KPI，关键性能指标用于表示船用柴油机涡轮增压器的运行状况；包括如下过程：

11)构造涡轮增压器的效率公式，表示为(式1)：

其中，T、P分别表示涡轮增压器所处工作状态的温度和压强；下标1、2、3、4分别表示涡轮增压器压气机进气端、压气机排气端、涡轮机进气端、涡轮机排气端；R_g-t和R_g-c分别表示涡轮机和压气机的工质气体常数；f_t和f_c分别表示涡轮机和压气机的单位时间内的工质的质量流量；α_t和α_c分别为涡轮机和压气机对应工质的恒压比热容和恒容比热容的比值；

12)获取参数经验值，计算得到

其中，空气的理想气体常数是287J/(kg·K)，氮气的理想气体常数是296.8J/(kg·K)；

13)计算得到进气的恒压比热容c_air和排气的恒压比热容c_exh：

其中，c_air和c_exh为压气机和涡轮机的平均进气温度下的对应值；

14)计算得到比热容比例关系如下：

根据涡轮增压系统的经验公式：得到基于经验参数的效率η_eff，表示为(式2)：

其中，G₁和G₂分别为压气机和涡轮机的增压压力比；

2)根据机理选择KPI的相关变量；

根据故障检测或性能检测的不同需求，获取KPI的相关变量，包括：主机增压器转速、轴功率、主机负载、涡轮机和压气机在进气端的温度、进气端的压强、排气端的温度、排气端的压强中的多个；

3)基于数据驱动的方法对KPI进行建模预测和残差计算，实现对增压器工作的动态过程KPI的检测；

3a)针对于单一工况稳态运行下的柴油机增压器故障检测性能，采用基于典型相关分析CCA的关键性能指标(KPI)建模方法；

给定关键性能指标Θ∈R^l×N和相关变量X∈R^m×N两组变量，其中l和m表示数据维度，L表示数据长度；假设两组变量服从如下分布：

其中，E()和Σ分别表示均值和方差；

假设两组变量存在映射拓扑关系，噪声为服从高斯分布零均值白噪声，表示为如下模型：

其中，M矩阵为SVD分解得到线性投影矩阵，N矩阵为最小二乘辨识得到的系数矩阵，E为辨识的误差；

辨识KPI与相关变量间的线性映射关系表示为：

Θ＝NM^TX

构造数据结构形式表示为(式3)：

构建协方差矩阵用于得到线性相关程度高的投影算子；

再估计Θ和X的方差，表示为：

对协方差矩阵进行奇异值分解，得到投影矩阵M：

其中，n表示奇异值由大到小取n个对应的序号；σ表示奇异值；

取Θ前l列，并用最小二乘方法进行辨识，得到系数矩阵N：

基于辨识模型预测估计θ的值，得到估计值表示为：

再与实测值做差，得到相应的残差，表示为式4：

r(k)＝θ(k)-NM^Tx(k).(式4)

3b)针对于多工况运行下的全程状态的柴油机增压器故障检测性能，采用基于LQ分解的关键性能指标KPI建模方法；

设增压器的动力学用如下线性时不变方程描述：

其中，x(k)∈Rⁿ为系统状态变量，u(k)∈R^m和y(k)∈R^l表示增压器的工作指标，即相关变量；w(k)∈Rⁿ和v(k)∈R^l为对应独立分布的零均值高斯噪声，且满足：

E[w(k)]＝0,E[v(k)]＝0,

且

KPI与其相关变量的模型表示为：其中，F,G_u和G_y为对应的系数矩阵，η(k)为对应的高斯白噪声；

将u(k)和y(k)联合为变量z＝[u(k)^T,y(k)^T]^T∈R^l+m；采用卡尔曼滤波器进行预测，表示为：

其中，A_K＝A-KC,B_K＝[B-KD K],G_K＝[G_u G_y]；K为卡尔曼增益矩阵；

利用(式3)的数据驱动的结构，根据其中变量的迭代，推出：

其中，

将状态变量的估计表示为：

其中，p为在卡尔曼滤波器中使的常数；

KPI模型的参数矩阵则表示为(式5)：

Θ_k,s(k)≈Γ_sL_pZ_k-s,p+T_sZ_k,s(k)+H_k,s，(式5)其中，H_k,s为对应噪声矩阵；

采用基于LQ分解的子空间辨识，表示为:

即得到滤噪效果好且更鲁棒的KPI模型，模型参数为Θ_k,s，表示如下：

与(式5)中参数的对应关系表示为：

则预测得到KPI预测值，表示为：

计算得到KPI均值KPI均值指示正常状态下的性能；

再根据(式6)计算得到残差：

4)根据3a)或3b)得到的相应的残差，基于检验统计的方法进行故障检测；包括如下过程：

4a)利用Hotelling T²检验统计量和KPI的残差进行阈值设计和故障决策逻辑设计；

对于单一工况稳态运行下的柴油机增压器故障检测，包括如下过程：

4a1)基于(式4)构建与KPI相关的检验统计量为：

4a2)对方差进行估计如下：

E＝Θ_f-NY

4a3)置信水平为α的故障检测阈值设置为：

其中，F_α为服从自由度为n和L-n自由度的F分布；

4a4)则置信水平大于1-α概率的故障检测的情况包括：

当时，检验统计量超出检测阈值，表示故障发生使KPI或相关变量异常；当时，KPI与相关变量没有异常，表示无故障发生；

4b)对于多工况运行下的全程状态的柴油机增压器故障检测，包括如下过程：4b1)基于(式6)构建与KPI相关的检验统计量：

4b2)对方差估计如下：

其中，采用基于LQ分解的参数计算R_k,s，表示为：

式中，表示矩阵的克罗内克积运算；

4b3)将置信水平为α的故障检测阈值设置为：

其中，为分位点为α的卡方分布值；

4b4)置信水平大于1-α概率的故障检测的情况包括：

当时，检验统计量超出检测阈值，表示故障发生使KPI或者相关变量发异常；当时，KPI与相关变量没有发生异常，表示无故障发生；

通过上述步骤，实现机理数据融合的柴油机增压器的故障检测。