[发明专利]一种基于振动数据的柴油机可靠性模型构建方法

说明书

本发明公开了一种基于振动数据的柴油机可靠性模型构建方法，属于柴油机运行状态监控技术领域。该方法以柴油机振动数据为基础，通过通道和指标的联合优选，确定可靠性评估指标体系，然后基于试验工况数据机器学习进行基于评估指标体系的工况自动识别，从而实现同一种工况数据的实时横向统计分析和趋势分析，对柴油机可靠性水平进行评估。本发明的模型构建包括了基于柴油机可靠性试验数据的预处理、评价体系构建、工况划分、数据重排、统计特性分析与趋势分析，通过上述流程，可以将柴油机自身动力学特点与运行工况特点与可靠性评估有效结合，提高可靠性评估的准确性。

技术领域

本发明涉及柴油机运行状态监控技术领域，具体涉及一种基于振动数据的柴油机可靠性模型构建方法。

背景技术

柴油机使用寿命长、可靠性要求高，属于典型的多工况、多任务、复杂往复机械系统，柴油机可靠性试验具有时间长、投入大、风险高、数据多等特点。新型柴油机研制阶段，在性能鉴定、交付用户前均需要开展可靠性试验。可靠性试验是检验柴油机设计、装配、工艺水平的重要试验，通常在实验室条件下，要求开展一个月甚至更长时间的连续循环图谱试验。可靠性试验评估是以试验数据为基础，对试验过程规范性、有效性，以及可靠性指标大小等给出客观、准确的评价结论。

经典可靠性试验评估方法，通常是试验时间为基础，统计故障数据次数，采用定时截尾(规定试验时间)或定数截尾(规定故障次数)可靠性统计模型进行评估。该方法对于柴油机可靠性试验评估来说，存在明显缺陷：一是柴油机可靠性试验时间相对较短(相比使用时间)，可能出现零故障情况；二是柴油机属于典型机械设备，当前可靠性试验评估方法来源于电子设备，不同于电子设备偶发失效，柴油机失效主要是疲劳、断裂等，失效机理不同导致现有评估方法不适用；三是现有可靠性评估方法难以反映柴油机自身运行特点，仅以故障次数为评判依据。柴油机运行过程中产生大量表征柴油机技术状态的运行参数，对其进行建模分析，将更能有效评估柴油机的可靠性水平。

发明内容

有鉴于此，本发明提供了一种基于振动数据的柴油机可靠性模型构建方法，以柴油机振动数据为基础，通过通道和指标的联合优选，确定可靠性评估指标体系，进一步基于试验工况数据机器学习，建立基于评估指标体系的工况自动识别方法，从而实现同一种工况数据的实时横向统计分析和趋势分析，对可靠性水平进行评估。

一种基于振动数据的柴油机可靠性模型构建方法，该方法的实现步骤如下：

步骤一：对可靠性试验中采集的振动数据进行预处理；

步骤二：对振动测试通道和分析指标进行联合优选，选出若干个最优振动测点及对应的最优评价指标，组成振动特征评价体系；

步骤三：对实时采集的振动信号进行自动工况划分；

步骤四：基于振动信号工况划分结果，根据时间先后顺序，对同一运行工况数据进行分类重排；

步骤五：对于各个运行工况，基于步骤二中建立的振动特征评价体系，对同工况内的振动数据特征的统计特性(包括平均值、方差、峰峰值等)进行分析，以及趋势分析，从而判断受试柴油机在不同工况下的振动平稳性水平，并进一步分析可靠性。

进一步地，所述步骤一中的振动数据预处理包括：统计振动数据是否存在数据丢失、异常值的情况；剔除非技术因素引起的异常；对有效振动数据进行运行工况的标签化。

进一步地，所述步骤二中联合优选的过程包括：对经验选取的若干振动测点数据，分别计算若干振动评价指标，根据不同工况下指标差异最大，同一工况下指标差异最小的原则，联合优选出若干个最优振动测点及对应的最优评价指标。

进一步地，所述步骤三中自动工况划分的过程包括：建立振动信号指标与实际运行工况的非线性映射关系；基于标签化的振动数据，开展一维信号支持向量机学习，依据训练好的支持向量机对实时采集的振动信号进行自动工况划分。