[发明专利]一种柴油机工况识别与异常诊断方法

说明书

本发明提供了一种柴油机工况识别与异常诊断方法，以柴油机的运动机理作为基础，提取能表征柴油机工况状态的特征参数，根据特征参数之间的关系建立柴油机工况评估模型，在基于不同工况下的特征参数变化趋势结合机器学习方法建立柴油机工况异常诊断模型。本发明所述的柴油机工况识别与异常诊断方法，能够克服不同工况和工况切换对数据驱动模型的影响，准确识别柴油机运行工况并对其工况的健康状况做出诊断，能够提高柴油机工况异常监测的可靠性与安全性，具有良好的应用前景。

技术领域

本发明属于柴油机故障检测领域，尤其是涉及一种基于多传感器数据融合技术的柴油机工况识别与异常诊断方法。

背景技术

柴油机作为动力机械设备，其优点在于功率大，具备很高的热效率，并且经济性能好，因此在车辆领域有着广泛的应用。由于柴油机多装备于工程用车或特种车辆上，其运行环境恶劣，对柴油机性能的稳定要求高，而柴油机结构复杂，运行部件环环相扣，若其发生故障将会影响到整车的安全性能，故障严重时会造成不必要的损失。因此，在车辆运行过程中对其运行状态的评估和诊断显示至关重要。现有柴油机工况异常诊断方法主要分为三种方式，一是传感技术，采用各式各样的传感器测量柴油机的键相、瞬时转速、温度等参数，基于阈值判断和统计对设备状态进行判断；二是信号分析处理技术，利用信号分析手段对传感器信号进行深度分析，通过傅里叶变换、希尔伯特变换和专家系统等技术对柴油机设备状态进行监测；三是数据驱动技术，利用神经网络、支持向量机等方法对采集到的传感器数据进行分析。

传感技术多依赖于硬性阈值来对柴油机状态进行判断，当外界环境变化时，阈值无法满足不同的环境，局限性大。信号分析处理技术依赖于高采样率的传感器信号，通过对这些密集采样的信号提取关键特征变量来表征柴油机的状态，高采样率给数据采集和存储设备提出了很高的要求，并且柴油机零部件多，某一固定监测位置无法覆盖柴油机整体状态。基于数据驱动技术的柴油机工况异常监测技术在实验室状态下表现良好，在实际的应用中仍存在着巨大的进步空间，主要原因在于数据驱动技术依赖于柴油机数据的特征表现，由于不同工况下柴油机信号变化趋势差异较大，并且难以消除工况切换的干扰，因此纯数据驱动式的柴油机状态监测模型在柴油机全工况运行期间其监测结果还存在着很大的进步空间。随着柴油机工况异常诊断系统的不断发展，车载传感器种类和数量不断增加，可用的传感器数据不断丰富。基于柴油机的运动机理，提取有关联性的传感器参数进行分析，发明一种基于多传感器数据融合技术的柴油机工况识别与异常诊断方法以提高柴油机运行的可靠性和安全性。

发明内容

有鉴于此，本发明旨在提出一种柴油机工况识别与异常诊断方法，以克服硬性阈值对柴油机状态监测的局限性和多工况对基于数据驱动技术柴油机故障诊断方法的干扰。

为达到上述目的，本发明的技术方案是这样实现的：

一种柴油机工况识别与异常诊断方法，包括如下步骤：

S1、以柴油机运动机理为基础，通过柴油机信号采集系统获取柴油机运行过程中的特征数据；

S2、柴油机信号采集系统对获取到的数据进行预处理，提取能够表征柴油机运行工况的特征参数；

S3、根据特征参数之间的关联性结合柴油机外特性曲线，建立柴油机工况识别算法模型；

S4、利用基于柴油机运动机理的工况识别算法模块对柴油机工况数据库进行分组，用于训练不同工况下的工况异常诊断模型；

S5、根据不同工况下的数据特征结合机器学习算法模型和柴油机工况异常诊断模型，依次进行独立工况下的算法模型开发；

S6、将柴油机工况异常诊断模型和柴油机工况异常数据模型组合，形成适用于多工况的柴油机工况异常诊断算法模型。

进一步的，所述步骤S5中柴油机工况异常诊断模型的诊断方法如下：