论文部分内容阅读
柴油机是一种最常见的动力装置,在国民经济和人们的日常生活中起着举足轻重的作用,但复杂的结构和恶劣的工作条件导致柴油机故障时有发生,给人们的生命和财产造成了很大的威胁。据统计,在导致柴油机故障的各种原因中燃油系统故障与配气机构故障所占的比例较高,分别为27%和15.1%。此外,燃油系统与配气机构直接影响着发动机的燃烧情况,它们的工作状况对整个发动机能否正常高效运转具有重要影响。因此,本文从柴油机故障诊断的实际需求出发,选择柴油机中故障概率较高的燃油系统与配气机构作为研究对象,以分析缸盖振动为切入点,对柴油机燃油系统和配气机构的故障诊断方法开展深入研究,具体包括以下几个方面:分析了柴油机缸盖的主要激励源,建立了柴油机缸盖振动信息模型,并对柴油机缸盖振动的时域和频域特性进行了研究。在两台柴油机上进行了故障实验,分别模拟了5种典型配气机构故障和12种常见的燃油系统与配气机构故障,为后续的研究工作提供了数据支撑。研究了固有时间尺度分解(Intrinsic Time-scale Decomposition,ITD)方法的基本原理,提出了一种基于ITD边际谱和马氏距离的故障诊断方法,并利用该方法对配气机构故障进行了诊断,诊断结果表明该方法可以对配气机构故障进行粗略识别。针对有向无环图的误差累积问题,提出了一种基于类别可分性的改进有向无环图(Separability based Directed Acyclic Graph,SDAG),并利用该方法构建了相关向量机(Relevance Vector Machine,RVM)多分类模型。此外,提出了一种RVM多分类通用框架概率性纠错输出编码(Probability-based Error Correcting Output Codes,PECOC),该框架实现了RVM的概率性输出与纠错输出编码多分类方法的有机结合。针对ITD方法的插值方法、终止条件等方面的不足,提出了一种改进固有时间尺度分解(Improved Intrinsic Time-scale Decomposition,IITD)方法,并将ITD方法和SDAG-RVM相结合对柴油机配气机构故障进行诊断。实验分析结果表明该方法可以获得较高的故障诊断精度,优于其它常规方法。研究了IITD方法的模态混叠问题,提出了一种完备总体改进固有时间尺度分解(Complete Ensemble Imporved Intrinsic Time-scale Decomposition,CEIITD)方法,该方法通过向原信号添加正负相反的噪声并且每产生一个旋转分量进行一次集总平均,消除了分解结果中的噪声残留以及由每次分解获得的旋转分量个数不同造成的难以进行集总平均的问题。仿真分析结果表明CEIITD方法较好地解决了IITD方法的模态混叠问题,优于其它常规方法。针对Wigner分布的交叉项问题,提出了一种基于IITD方法的Wigner分布交叉项处理方法即自适应Wigner分布,并利用仿真信号对该方法进行了验证。仿真分析结果表明该方法不仅可以消除交叉项的干扰,而且可以确保时频图具有较高的分辨率和时频聚集性。针对原快速相关滤波(Fast Correlation-based Filter,FCBF)算法未考虑候选特征与已选特征子集间冗余的问题,提出了一种改进FCBF算法。结合自适应Wigner分布、改进FCBF和PECOC-RVM提出了一种新的柴油机燃油系统与配气机构故障诊断方法,该方法将柴油机故障诊断问题转化为时频图像分类问题,从而可以将在图像分类领域得到大量成功应用的不变矩、灰度统计特征、纹理特征和差分分形盒维数等图像特征作为故障特征,降低了特征提取的难度和工作量。实验分析结果表明基于自适应Wigner分布、改进FCBF和PECOC-RVM的柴油机燃油系统与配气机构故障诊断方法可以获得较高的故障诊断精度,优于其它常规方法。针对同时诊断许多种故障时单一故障识别模型精度明显下降的问题,提出了一种基于多级Adaboost-RVM的柴油机燃油系统和配气机构故障诊断方法。该方法利用KFCM算法将包含较多种故障类型的复杂分类问题分解为若干个简单的问题,通过对每个简单分类问题输出结果的整合便可以获得复杂分类问题的输出结果,同时采用Adaboost技术对弱分类器进行提升,进一步增强了分类算法的诊断能力。实验分析结果表明该方法对于故障类型较多的诊断问题具有明显的优势,优于其它常规方法。