论文部分内容阅读
随着全球化贸易的日益发展，海上运输安全自然成为了各个国家关注的焦点，柴油机的正常工作时是保证船舶安全航行的基础，船舶柴油机高强度的工作，恶劣的工作环境，导致船舶柴油机频繁发生故障。因此，大力开展对柴油机的故障诊断技术是非常有必要的。本文主要进行基于热力参数的船用中速柴油机机载故障诊断技术研究，此研究对于提高船舶柴油机的经济性和安全性具有十分重要的意义。本文主要研究内容和结论如下：
1．介绍了仿真软件中各种数学模型及其计算原理，采用仿真软件对大发6DE-18型中速柴油机进行了建模仿真，并通过台架实验对6DE-18型柴油机原机模型进行验证，对比额定转速各种工况下的缸压曲线图、燃油消耗率和输出功率的实验室和仿真值误差都在允许范围内，验证了6DE-18型柴油机模型的准确性。
2．选取6DE-18型柴油机常见的热工故障，对故障机理进行了分析，设计了典型故障的仿真模型，并运行柴油机故障模型得到了大量具有代表性的热工参数，将这些数据进行归一化和降维的预处理，建立故障诊断模型提供样本数据库。
3．对比分析了基于BP神经网络和基于支持向量机的故障诊断方法针对船用中速柴油机的故障诊断性能。分析得出，对于本文特定的研究对象以及较少训练样本的情况下，支持向量机SVM故障诊断性能优于BP神经网络，由于SVM模型参数随机性选取严重影响了准确率，采用了粒子群算法进行了优化，得出了高准确率，高响应速度的PSO-SVM故障诊断模型。
4．进行了基于热力参数的船用中速柴油机机载故障诊断技术的台架试验验证，受试验条件限制，本次试验只进行了柴油机进气管漏气故障试验和喷油器堵塞故障试验，通过把试验采集的缸压曲线分别与仿真软件对应的故障模型的缸压曲线进行对比分析，验证了故障模型的有效性。将故障试验采集的数据，经过归一化和降维处理之后输入到故障诊断PSO-SVM分离器模型中，验证了PSO-SVM故障诊断模型的准确性。并根据PSO-SVM故障诊断模型对原有的机旁控制器进行更新，嵌入进故障诊断模块，将监测、报警和故障诊断集为一体。
综上所述，基于热力参数的PSO-SVM数学模型故障诊断方法，具有良好的故障诊断性能，同时针对柴油机不同工况下的故障也可精确识别，具有稳定性和普遍适用性，可以达到实际工程应用要求。
1．介绍了仿真软件中各种数学模型及其计算原理，采用仿真软件对大发6DE-18型中速柴油机进行了建模仿真，并通过台架实验对6DE-18型柴油机原机模型进行验证，对比额定转速各种工况下的缸压曲线图、燃油消耗率和输出功率的实验室和仿真值误差都在允许范围内，验证了6DE-18型柴油机模型的准确性。
2．选取6DE-18型柴油机常见的热工故障，对故障机理进行了分析，设计了典型故障的仿真模型，并运行柴油机故障模型得到了大量具有代表性的热工参数，将这些数据进行归一化和降维的预处理，建立故障诊断模型提供样本数据库。
3．对比分析了基于BP神经网络和基于支持向量机的故障诊断方法针对船用中速柴油机的故障诊断性能。分析得出，对于本文特定的研究对象以及较少训练样本的情况下，支持向量机SVM故障诊断性能优于BP神经网络，由于SVM模型参数随机性选取严重影响了准确率，采用了粒子群算法进行了优化，得出了高准确率，高响应速度的PSO-SVM故障诊断模型。
4．进行了基于热力参数的船用中速柴油机机载故障诊断技术的台架试验验证，受试验条件限制，本次试验只进行了柴油机进气管漏气故障试验和喷油器堵塞故障试验，通过把试验采集的缸压曲线分别与仿真软件对应的故障模型的缸压曲线进行对比分析，验证了故障模型的有效性。将故障试验采集的数据，经过归一化和降维处理之后输入到故障诊断PSO-SVM分离器模型中，验证了PSO-SVM故障诊断模型的准确性。并根据PSO-SVM故障诊断模型对原有的机旁控制器进行更新，嵌入进故障诊断模块，将监测、报警和故障诊断集为一体。
综上所述，基于热力参数的PSO-SVM数学模型故障诊断方法，具有良好的故障诊断性能，同时针对柴油机不同工况下的故障也可精确识别，具有稳定性和普遍适用性，可以达到实际工程应用要求。