（车辆工程专业论文）基于曲轴角振动信号的内燃机故障诊断系统研究.pdf

西南交通大学硕士研究生学位论文第1 页 摘要 内燃机是一种重要的动力机械，广泛地应用于发电、机车车辆、工程机 械、汽车及船舶动力等领域。因此，对内燃机的工作过程进行状态监测和故 障诊断，对确保系统正常、安全运行，提高设备的维修质量和效率都是十分 必要的。内燃机曲轴的角振动信号含有丰富的内燃机工作状态信息，很多学 者都在研究利用此信号来诊断内燃机故障，并取得很大进展。神经网络具有 高度并行性、联想泛化能力、模式提取及容错能力，因此在内燃机故障诊断 领域得到了广泛应用，这极大推进了内燃机故障智能诊断技术的发展。 本文在扭振测量分析系统( t v m ) 的基础上，开发了便携式内燃机曲轴 角振动测量与故障诊断系统( c t d s ) 。c t d s 系统与t v m 系统相比主要有两 方面的改进：一是系统具有便携的功能；二是系统可进行故障诊断。 系统的便携功能是逯过多机通信技术，串口通信技术及组件技术实现的， 它比t v m 系统功能更完善，使用更方便。系统采用了基于角振动信号的二 级诊断策略，把扭振信号反算法和单谐次诊断法作为系统一级诊断的工具。 作者实现了一级诊断方法的编程工作，并进行了仿真计算，证明了它们的正 确性；系统的二级诊断采用神经网络法，作者编制了软件并进行了实验验证。 目前，利用角振动信号诊断内燃机工作过程故障的研艽多是关于停缸故 障或各缸均匀性的一级诊断，而对于产生故障的部位或原因即二级诊断内容 则很少涉及。为此，本文研究如何利用神经网络诊断内燃机具体工作过程故 障，属难度较大的二级诊断。文中提出针对不同故障提取不同的特征参数的 思路，即多模式规则，同时也给出了从角振动位移信号中提取具体工作过程 故障特征参数的两条新原则。对于b p 神经网络的优化设计，本文采取了两 个措施：一是从神经网络本身出发，即学习函数的选择和隐含层神经元数的 确定；二是从样本集出发，即采用样本差法强化故障特征，通过降维处理削 弱非故障信息，同时，降低样本空间冗余度。实验研究表明，用上述方法设 计的b p 神经网络具有良好的网络性能，可有效地实现故障模式的分类。 通过本文的研究，丰富了内燃机故障诊断技术，得出了一些有益的结论， 为内燃机具体工作过程故障诊断，即二级诊断，提供了神经网络法。开发的便 携式内燃机曲轴角振动测量与故障诊断系统，具有较好的工程应用价值。 关键词内燃机；故障诊断；角振动：神经网络 西南交通大学硕士研究生学位论文第1 i 页 a b s t r a c t a sa l l _ i m p o r t a n t p o w e rm a c h i n e ，i c e n g i n ei su s u a l l ya p p l i e di np o w e r g e n e r a t i o n ，l o c o m o t i v ev e h i c l e ，e n g i n e e r i n gm a c h i n e ，a u t o m o t i v e ，m a r i n ep o w e r ， a n ds oo n t h e r e f o r em o n i t o r i n gi c e n g i n e sw o r k i n gc o n d i t i o n ，d i a g n o s i n gi t s f a u l t ，e n s u n n gi t t ow o r kn o r m a l l y ，a n di n c r e a s i n gi t s m a i n t a i n i n gq u a l i v ya n d e f f i c i e n c yi sv e r yn e c e s s a r y b e c a u s et h ea n g u l a rv i b r a t i o no fc r a n k s h a f tc o n t a i n s al o to fi n f o r m a t i o na b o u tt h ew o r k i n gc o n d i t i o no f i c e n g i n e ，m a n ys c h o l a r sa r e s t u d y i n go ni c e n g i n e sf a u l td i a g n o s i st h r o u 曲i t ，a n dt h e yh a v em a d er a p i d p r o g r e s s n e u r a ln e t w o r k s ( 叼h a sm a n ya d v a n t a g e s ，s u c ha sh i g hp a r a t l e l ， a s s o c i a t i o na n dg e n e r a l i z a t i o nc a p a b i l i t y , p a t t e r nr e c o g n i t i o na b i l i t ya n df a u l t t o l e r a n ta b i l i t y , s oi th a sb e e nw i d e l ya p p l i e dt of a u l td i a g n o s i so fi c e n g i n e ，a n d p u s h e d i t sd e v e l o p m e n t l a r g e l y t h e r e f o r e ，as y s t e mo fc r a n k s h a f tt o r s i o n a lv i b r a t i o nm e a s u r e m e n ta n df a u l t d i a g n o s i ss y s t e m ( c t d s ) i sd e v e l o p e di nt h i sp a p e r , b a s e do nt h ec r a n k s h a f t t o r s i o n a lv i b r a t i o nm e a s u r e m e n ta n da n a l y s i ss y s t e m ( t v m ) ，w h i c ha d o p t st h e s t r a t e g yo ft w od i a g n o s i sc l a s s e s c o m p a r i n gw i mt v m t h e r ea r et w om a i n i m p r o v e m e n t si nc t d s f i r s t ，c t d sh a st h ea b i l i t yo ff a u l td i a g n o s i s ，s e c o n d ， c t d si sp o r t a b l e t h ep o r t a b l ec h a r a c t e ro fc t d ss y s t e mi sr e a l i z e db ys e r i a lc o m m u n i c a t i o n t e c h n i q u e ，c o m p o n e n tt e c h n i q u ea n dm u l t i - c o m p u t e r - c o m m u n i c a t i o nt e c h n i q u e ， a n di ti sm o r ec o n v e n i e n ta n dc o m p l e t et h a nt v m t h em e t h o d so ft v r sm e t h o d a n ds i n g l eo r d e rd i a g n o s i sm e t h o da r eu s e di nt h ef i r s td i a g n o s i sc l a s sb y c t d s i nt h i sp a p e r , t h ea u t h o rh a sp r o g r a m m e dt h e m 、i 廿1s i m u l a t i o np r o c e e d e d t ov e r i f yt h e m b pn ni su s e di nt h es e c o n dd i a g n o s i sc l a s s ，w h i c hi sa l s o v e r i f i e db ye x p e r i m e n t p r e s e n t l y ，m o s tr e s e a r c h e so nw o r k i n gp r o c e s sf a u l td i a g n o s i so fi c e n g i n e ， b a s e do na n g u l a rv i b r a t i o n ，a r ea b o u tt h ef i r s td i a g n o s i sc l a s s ，s u c ha sc y l i n d e r m i s f i r e w h i l es e l d o mo f t h e mc o v e rt h es e c o n dd i a g n o s i sc l a s s s oi nt h i sp a p e r , i ti sm a i n l ys t u d i e dh o wt od i a g n o s et h ef a u l ti nw o r k i n gp r o c e s sb ym e a n so f t o r s i o n a lv i b r a t i o no fc r a n k s h a f tc o m b i n i n gw i t hb pn n 研l i c hb e l o n g st ot h e s e c o n d d i a g n o s i sc l a s s a n e wm e t h o di sp u tf o r w a r dt h a td i f f e r e n td i a g n o s t i c 西南交通大学硕士研究生学位论文第1 i i 页 p a r a m e t e r sa r ep i c k e du p f o rd i f f e r e n tf a u l t s ，o rc a l l e d “m u l t i p a t t e r n r u l e ”，a n d t w on e wp n n c i p l e sa r eg i v e no np i c k i n gu pd i f f e r e n tp a r a m e t e r sf o rd i f f e r e n t f a u l t st w om e a s u r e sh a v eb e e na d o p t e dt os e t u pb pn n f i r s t ，at r a i n i n g f u n c t i o nf i t t i n gf o rf a u l td i a g n o s i si ss e l e c t e d ，a n dt h ep r o p e rn u m b e ro fh i d d e n l a y e rn e u r o ni sd e t e r m i n e d s e c o n d ，t h ed i a g n o s t i ci n f o r m a t i o ni ss t r e n g t h e n e db y an e wm e t h o do f s a m p l e ss u b t r a c t i o n ，a n dt h en o i s ei sw e a k e n e db yl e s s e n i n g t h e d i m e n s i o n a l i t yo fs a m p l es p a c e i ti sd e m o n s t r a t e db ye x p e r i m e n t t h a tt h eb pn n s h o w sg o o dp e r f o r m a n c ea n dc a l lp i c ko u tt h ec a t e g o r yo ff a u l tf r o mt h es a m p l e a s s e m b l y t h r o u g h t h er e s e a r c hi nt h i sp a p e r , t h ea u t h o rh a se n r i c h e dt h ef a u t td i a g n o s i s t e c h n i q u ef o ri c e n g i n e ，a n dd r a w ns o m e v a l u a b l ec o n c l u s i o n s t h eb pn ni s p r o v i d e df o rd i a g n o s i n gt h ef a u l ti nw o r k i n gc o n d i t i o no fi c e n g i n e ，a n dt h e s y s t e m o f c t d s ，d e v e l o p e d i nt h i sp a p e r ，h a st h ev a l u eo f a p p l i c a t i o n k e yw o r d si c e n g i n e ；f a u l td i a g n o s i s ；t o r s i o n a lv i b r a t i o n ；n e u r a ln e t w o r k s 西南交通大学硕士研究生学位论文第1 页 第1 章绪论 1 1 内燃机故障诊断研究的意义 内燃机自1 9 世纪研制成功以来，在工业、农业、能源和交通运输等领域 获得了广泛的应用，已成为现代动力设备的主要组成部分之一。内燃机结构 复杂，许多零部件处在高温、高压和强烈振动的恶劣条件下工作，造成内燃 机运行的故障率较高。而一旦发生放障，不仅会影响整个动力装置的正常工 作，直接或间接地造成巨大的经济损失，还会危及人身安全，造成极为严重 的后果。因此，发展内燃机故障诊断技术是十分必要的，各国也十分重视内 燃机运行状态的监测和故障诊断，以确保运行安全、发挥性能、合理维修、 降低成本、防止污染和信息收集。 在内燃机工作过程中，常常由于某部件发生故障，导致内燃机性能恶化、 经济性变差、振动噪声增大、可靠性变差和排放增加等，严重时根本无法继 续运转。所以准确地判断内燃机故障发生的部位，解决其关键性技术问题， 对于内燃机正常工作和合理维修具有重大的实用价值。 1 。2 机械故障诊断技术的发展 随着现代科学技术的迅速发展，机械设备日益朝着大型化、复杂化、高 速化、重载化、连续化和高度自动化的方向发展，造成机械设备日益复杂， 零件数目显著增加，零、部件之间的联系更加紧密。一旦某一部分发生故障， 往往会引起整台设备的瘫痪，造成巨大的经济损失和人员伤亡事故。现代化 机械设备正常状态所花的维修费用和停机损失，在成本中所占的比例越来越 大，设备故障或事故引起的损失不断增加，设备维修业务的重要性日益成为 一个突出的问题。 现代的机械故障诊断技术是2 0 世纪6 0 年代中期开始发展起来的，这是 因为在6 0 年代人们己经开始认识到发展现代机械故障诊断技术的重要性和 迫切性。 在美国1 9 6 1 年具有划时代意义的阿波罗计划的执行；在日本1 9 6 4 年作 为技术进步象征的新干线和东京奥林匹克体育场的建成；在英国1 9 7 0 年从节 省资源和降低成本角度出发关于设备综合工程学和寿命周期费用问题的提 西南交通大学硕士研究生学位论文第2 页 出，以及许多大型复杂设备的逐步投入使用，都给机械故障诊断技术的发展 以极大的推动作用。机械故障诊断技术的发展速度、研究规模、取得的成果 以及达到的应用程度已经十分令人鼓舞。表征机器运行状态的参数采集已从 传统的、主要依靠人的经验的直接观察法和单( 少) 参数检测法，发展为诸如 振动噪声法、性能参数法、磨损残留物法等多参数检测法。先进的参数采集 设备和检测手段为故障的识别提供了丰富的、可靠的信息。与之相适应，在 模式识别理论的指导下，利用特征参数对故障进行分类识别的方法也由传统 的单( 少) 参数识别法发展为统计识别法、模糊识别法以及灰色关联度识别法 等多参数识别法。 进入8 0 年代以后，专家系统、人工神经网络等技术取得了突飞猛进的发 展，并在实际工程中得到应用。专家系统是基于符号的推理系统，具有解释 功能。人工神经网络技术代表了一种新的技术体系，它以强有力的学习和并 行处理能力为故障诊断提供了全新的理论方法和实现手段。专家系统、人工 神经网络等技术为设备的故障诊断带来了高度智能化。虽然，这一阶段发展 历史并不长，但已有研究成果表明，设备智能诊断具有十分广泛的应用前景。 随着模糊集理论、专家系统、神经网络技术和小波分析等理论的发展以 及监测技术、电子技术和通信技术等相关领域学科的进一步深入，设备故障 诊断技术正朝着智能化、网络化方向发展，已形成了一门集数学、物理、电 子技术、计算机技术、通信技术、信息处理、模式识别和人工智能等多学科 交叉的综合性技术。 1 - 3 常用内燃机故障诊断技术 对内燃机进行监测与诊断的技术和方法是多种多样的，目前主要的技术 手段有热力参数分析法、油液分析法、振动分析法、压力波分析法、瞬时转 速法、温度分析法、红外测温法等，主要识别方法有基于专家系统的方法、 灰色关联度法及神经网络法等e “8 1 ，下面简单介绍几种最常用的诊断方法。 1 3 1 油液分析法 零部件磨损失效是内燃机最常见、最主要的故障形式，油液监测技术通 过采集内燃机在用润滑油样品，分析其理化性能和携带的磨损微粒，定性和 定量地评价内燃机的磨损状态，并预测其发展趋势。光谱油料分析是较早应 用于内燃机磨损监测的方法，最初主要应用于机车柴油机。7 0 年代中期，铁 西南交通大学硕士研究生学位论文第3 页 谱分析技术得到了迅速发展和应用。目前，这两种分析技术都已成为内燃机 故障诊断的可行而又有效的方法【9 0 ”。 己有的实验和经验表明，铁谱和光谱由于其本身特点，在其监测功能上 有各自的优势和不足。这是因为内燃机运动件含有不同材料的摩擦副，而每 一对摩擦副又会出现各种不同的磨损状态。产生于不同摩擦副的磨粒是以不 溶的颗粒形式存在于润滑油中的，光谱可以准确地测定润滑油中磨损元素的 含量，但不能了解其存在的形状，而且其监测灵敏度又受到磨粒本身粒度的 影响，因此无法判断磨损的类型。铁谱可以直观地了解磨粒的形状、大小和 成份等重要的磨损信息，但对有色金属就不具有与铁系磨粒相同的灵敏度， 并且分辨能力也不如光谱分析仪。所以只有联合采用铁谱和光谱技术，才能 获得取长补短、相得益彰之效果。此外，由于利用铁谱及光谱进行监测的数 据多，各个指标数据的重要程度也不相同，致使诊断结果可信度较低。为达 到对内燃机综合监测的目的，人们一直在探索一种既方便又实用的方法。目 前已有人在利用铁谱及光谱技术获得的数据基础上，应用多元统计分析的动 态聚类和判断分析方法、模糊聚类分析方法、灰色关联分析方法等对内燃机 磨损情况和润滑油质量进行分析，并取得了一些有益的结论。 油液分析法存在以下技术难点： 油液监测只能确定异常磨损零件的种类，而无法指出故障摩擦副的具 体部位； 铁谱分析技术对非磁性材料磨粒的检测效率较低，影响了分析的精 度； 油液监测方法以离线监测为主，在线监测尚在开发中： 无法对无润滑部件的损坏实施监测 1 2 - 1 4 1 ； 设备价格昂贵。 1 3 2 振动分析法 内燃机运转时产生振动是不可避免的，不论是性能监测还是工作过程监 测，振动信号都是反映其内在关系极其有效的敏感参数。对工作过程而言， 燃烧过程的内部瞬变压力状况经各种传递通道直接反映在相关的振动信息 中。振动分析法的依据是振动中包含有振源和设备状态等信息，振动监测及 故障诊断的出发点是在机械动力特性分析及谱分析基础上，研究内燃机运行 过程中的故障原因与状态效应。近年来，通过振动信号提取内燃机故障特征 西南交通大学硕士研究生学位论文第4 页 的研究己取得了较大的进展【l ”】。研究的重点是通过缸盖或缸体振动信号， 提取燃烧激振力及排气门落座等响应的频率特征，对内燃机工作过程故障进 行诊断。该方法具有诊断速度快、准确率较高和能够实现在线诊断的特点。 但是，这种方法还多局限于在实验室对零部件单一模拟故障的诊断方面，例 如喷油器、活塞、连杆、配气凸轮等方面的故障，距实际应用还有一定距离。 其困难主要有： 1 内燃机是典型的复杂设备，其复杂性表现在以下几方面：( 1 ) 内燃机 是一个多层次系统，由燃烧系统、曲柄连杆机构、气门机构、润滑系统、冷 却系统等组成，具有系统级、子系统级、部( 组) 件级及零件级四个层次；( 2 ) 内 燃机的结构异常复杂，加之输入、输出关系不甚明显，因而无论是定量还是 定性都难以用比较完备、准确的模型对其结构、功能以及状态等进行有效的 表达；( 3 ) 内燃机的故障及其产生的原因有时是摸糊不清的，一个故障可能 是多种因素综合作用的结果，不同的故障也可能产生相同的征兆，这比简单 的因果对应关系复杂得多，大大增加了内燃机故障诊断问题的难度。 2 内燃机的结构复杂，型号众多，而共性不易归纳，所以适用于某型号 内燃机振动信号的分析参数，对另一型号的内燃机未必可行；对同一机型不 同的内燃机进行监测，即使故障类型相同，所测量的结果可能有很大差异。 例如，连杆螺栓松动将使连杆与曲柄之间配合间隙增大，这时在机身上测得 的振动信号，其能量有向高频带集中的趋势。而将测点布置在曲轴箱上，随 连杆大端轴承间隙的增大，能量谱的峰值却呈下降趋势。 3 内燃机振动源多，传递路径复杂，系统故障既有“纵向性”，又有“横 向性”，而且，常会出现多个故障并存的现实。这样一来，对多故障同时进行 准确的诊断将是一个十分困难的问题。 4 内燃机各类故障所对应的振动频率无论从理论上还是实践中都较难准 确确定，目前所采用的谱分析故障诊断方法，只是根据功率谱的形状特征， 用相似比较的办法进行确定。在不同的故障形式产生相似形状功率谱图时， 有可能发生误诊，给实际判断工作造成很大困难。 1 3 3 瞬时转速法 瞬时转速是角振动的速度参数，瞬时转速法适用于曲轴扭振很小的场合。 严格地讲，瞬时转速法也应属于振动分析法的范畴。 内燃机曲轴的瞬时转速信号能直接反映机器整体的工作状态，通过对瞬 西南交通大学硕士研究生学位论文第5 页 时转速波动信号的分析可以得到机器运行状态和相关故障的丰富信息【2 0 】。在 正常运行工况下，各缸的动力性能基本一致，内燃机运转平稳，各缸瞬时转 速波动虽有差异，但总在一个不大的范围内，并呈现某种规律性。当某个气 缸工作不正常时，动力的一致性遭到破坏，内燃机运转平稳性变差，转速波 动信号会产生严重变形。根据此变形的程度，就可以判断其缸内工作过程的 好坏。所以瞬时转速法引起了国内外许多学者的广泛关注 2 1 _ 2 ”，取得了可喜 进展。瞬时转速法的不足之处在于： 1 ) 利用瞬时转速波动虽然能够确定工作不正常的缸位，但不能确定造成 故障的原因。例如：缸内压力降低造成蓝轴瞬时转速的变化，可能是活塞环 或缸套磨损引起的气密性变差所致，也可能是燃油系统故障造成燃烧不充分 所致； 2 ) 由于扭振的存在，使瞬时转速法的诊断精度受到了影响。 1 3 4 基于专家系统的方法 人工智能是经过4 0 多年发展起来的一门综合性学科，它旨在研究如何利 用计算机等现代工具设计出模拟人类智能行为的系统。专家系统是人工智能 众多分支当中最为实用和最引人注目的一个分支，是人工智能发展主要的推 动力。目前，专家系统已经广泛地应用于医疗诊断、图像处理、金融决策、 实时监控、分子遗传工程、教学、军事等多种领域中，己成为人工智能领域 中最活跃且最有成效的研究领域。 概括地讲，专家系统包括以下三个方面的含义： ( 1 1 专家系统是一种基于专家知识和经验而进行推理的智能程序系统； ( 2 ) 专家系统内部必须包含有大量的专家水平的知识和经验，并且能够在 运行过程中不断地增加新知识和修改原有知识； ( 3 ) 专家系统所要解决的问题一般是那些只有领域专家才能解决的问题。 专家系统是以规则为基础而建立的，而规则是基于系统模拟人的逻辑思 维特性。它主要应用在物理概念明确、已具有丰富诊断经验的领域，其表达 清晰易于理解。同时，它也有很多局限性，如知识获取的“瓶颈”问题、自学 习能力弱、容错能力差、复杂系统知识库维护不方便、推理效率低等。因此， 专家系统必须和其它诊断方法【2 8 3 ”5 】结合起来，才能有更大的发展。文献 1 0 建立了基于铁谱技术和光谱技术的柴油机磨损状态监测及故障诊断专家系统 f d e x s y s ( v 1 0 1 。该系统所建立的知识库可以比较全面而可靠地描述柴油机 西南交通大学硕士研究生学位论文第6 页 的磨损状态和故障前兆，因而能够提醒用户适时采取有效措施以防止故障的 发生。文献 3 4 】将神经网络和模糊理论与专家系统相结合，共建深、浅层知 识并举的推理机，用集成协同的方式组成知识库，以此得到神经网络故 障检测、诊断专家系统。 1 3 5 基于神经网络的方法 人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k s ，简称a n n ) ，或者通常简称为 神经网络( n e u r a ln e t w o r k s ，简称n n ) ，它是人工智能的一个分支，在故障诊 断方面的应用主要有： a ) 神经网络直接用于故障诊断挑选关键参数( 即特征参数) 作为输入，故 障模式作为输出。b p 神经网络由于具有较强的非线性映射能力而被广泛应用 于故障诊断领域。它通过对故障实例的训练和学习，用分布在神经网络中的 连接权值来表达所学习的故障类型，具有对故障的联想记忆、模式匹配和相 似归纳的能力，可以实现故障和征兆之间的的复杂的非线性映射关系。但是， 基本b p 算法存在着局部极值和收敛速度慢的缺点，在神经网络中引入模拟 退火和遗传算法，可以有效地消除局部极值，提高算法的收敛速度。 文献【3 5 】提出了一种内燃机飞轮转速波动信号结合b p 神经网络进行内 燃机失火故降诊断的方法。对电涡流位移传感器拾取的飞轮瞬时位移信号直 接进行时域采样，通过软件快速处理可以获得足够测量点数和测量精度的转 速波动信号。b p 神经网络以此作为输入，可以快速准确地对内燃机失火气缸 进行识别和定位。实验结果表明，该方法具有良好的效果和工程实用性，抗 噪声干扰能力和工况适应性很强，并能满足实时诊断的要求。文献【3 6 】采用 r b f 神经网络完成了对内燃机控制系统故障样本的学习和诊断程序编制，仿 真结果表明该内燃机控制系统的故障诊断方法优于其他方法。 标准的b p 神经网络在应用中存在学习收敛速度慢、局部极小值、隐层 节点数选取难、联想能力有限等缺陷，不少学者对b p 算法和b p 神经网络结 构提出了改进措施。文献 3 7 ，3 8 1 对旋转机械故障诊断中的神经网络算法进行 了改进，采用自适应学习率和绝对误差等距离逼近方法，引入了控制因子， 结果表明这种改进提高了b p 神经网络的收敛速度，改善了网络的收敛性能。 文献 3 9 】对内燃机缸盖信号进行二进小波分解，从分解后的信号中提取诊断 特征参数，利用这些特征参数及a r t 网络对气阀机构进行故障诊断与识别， 取得了较好的效果。文献 4 0 1 把神经网络与统计方法结合，建立了内燃机故 西南交通大学硕士研究生学位论文第7 页 障分类系统，该系统有望被用于改善内燃机的控制。文献 4 2 针对隐层单元 数选取这一难题，从设备故障诊断的工程实际出发，采用隐层压缩算法，获 得了性能较好、网络规模较小的神经网络诊断模型。文献 4 3 l 针对b p 神经网 络的联想能力有限这一实际问题，提出了用于旋转机械故障诊断的新型b p 神经网络模型，新模型增加了输入输出层间的部分连接，大大提高了b p 神 经网络的联想能力。 b ) 自适应神经网络模式识别。传统模式识别过程在特征参数提取上具有 很大的盲目性，效率低，而自适应神经网络则利用神经网络分布式信息存储 和并行处理，避开模式识别中建模和特征提取的麻烦，从而消除了模式不符 和特征提取不当所带来的影响，使得故障易于识别； c ) 模糊神经网络在故障诊断应用中具有广阔的前景【6 删。由于内燃机状 态信号传播路径复杂、故障与特征参数的映射关系模糊，再加上边界条件的 不确定性、运行工况的多变性，使故障征兆和故障原因之间难以建立准确的 对应关系。模糊神经网络应用模糊集合论、模糊语言变量及模糊思维方法， 采用多层前向网络结构，结合人们的先验知识进行模糊推理，使之具有准确 的非线性拟合和学习能力。由于权值初始化可根据先验知识人为选择，因此， 网络的学习速度大大加快，并在一定程度上回避下降法存在的局部极值问题； d ) 神经网络和专家系统结合主要有两种策略：一是将专家系统构成神 经网络，把传统专家系统的基于符号的推理变成基于数值运算的推理，以提 高专家系统的执行效率并利用其学习能力解决专家系统的学习问题；二是将 神经网络视为一类知识源的表达和处理模型，与其它知识表达模型一起去表 达领域专家的知识。实践证明【3 1 - 3 4 1 ，神经网络和专家系统结合，互补长短， 克服了神经网络存在的诊断推理不清晰、诊断解释机制不强以及专家系统的 知识“瓶颈问题”等缺陷，达到一种完美的结合。 1 4 内燃机故障诊断技术的国内外现状 1 4 1 内燃机故障诊断技术的总体状况 随着科技的进步，内燃机朝着高速、轻型、大功率方向的发展，使得内 燃机日益复杂。一旦某一部分发生故障，就会造成巨大的经济损失和人员伤 亡事故。内燃机的维修费用和停机损失，在成本中所占的比例越来越大，造 成的损失不断增加。因此，如何对内燃枫的故障进行及时、高效的诊断和维 西南交通大学硕士研究生学位论文第8 页 修日益成为一个突出的问题。 人们对内燃机的可靠性、可维修性与经济性提出了越来越高的要求，比 以往更注重其效率和能耗，且环保的要求也越来越高，因此，传统的事后维 修和定时检修的方法已远远不能满足要求。怎样在内燃机运行中或基本不拆 卸的情况下，依靠先进的传感器技术、动态测试技术及计算机信号处理技术， 掌握内燃机的运行状态，分析内燃机中异常的部位和原因，并预测其未来的 发展趋势，是各国学者格外关注的问题。 现代内燃机，其许多故障很难靠人的感觉和经验检查出来，必须采用先 进的仪器和科学的方法来监测和诊断。数字计算机、传感器技术及信号处理 技术的高度发展大大促进了内燃机故障诊断技术的发展。从2 0 世纪6 0 年代 开始，计算机和电子技术取得了巨大的进步，同时，也出现了傅立叶变换的 快速算法和算法语言，从而把信号分析技术从硬件到软件都推向新的高度。 对于内燃机这样的复杂运动系统而言，其信号多数是非平稳的、瞬态的、突 变的，因此传统的傅立叶变换等信号分析方法在分辨率上不能满足要求。小 波理论的出现为提高信号处理的分辨率提供了有效的方法。分形几何是将传 统的几何方法中整数维数扩展成连续正数，认为自然界中的几何对象分 形具有不一定是正数的分形维数。分形几何在非平稳、瞬态的、突变的信号 处理中也具有很好的应用前景。全息谱分析方法则充分考虑了幅、频、相三 者的结合，弥补了普通傅氏谱只考虑幅频关系的不足，能够比较全面地获取 振动信号信息。 2 0 世纪7 0 年代中期以后开发研制的内燃机工况诊断系统，是传统监测 系统的扩展，增加了对内燃机内部参数的自动监测。它以计算机技术、传感 器技术和动态测试技术为基础，把对柴油机各热工参数的分析做为手段，将 所有监测信号输入计算机进行分析计算，预测不正常状态，作一些趋势分析， 为维修工作提供资料。典型系统有：s u l z e r 公司的发动机诊断系统( s e d s 系统) 【4 6 】。s e d s 系统是一个在线诊断系统，除有对常规的压力、温度、转速 等进行连续监测外，还可对燃烧压力、喷油压力、缸套磨损等进行连续的监 测，并用计算机对有关参数作趋势分析记录和早期故障诊断。实践证明s e d s 系统可提供精确、准同步测量和大量基本参数计算，这是一般测量设备无法 获得的。b & w 公司二冲程柴油机工况检查系统( c c1 0 系统) m 。该系统 与s e d s 系统类似，用于k g f 系列低速二冲程柴油机，自动采集各种传感 器信息，输入计算机进行处理。该系统每天自动进行一次趋势计算与分析， 可以显示最重要工况参数及相关信息，可给出有故障工况参数的报警显示， 西南交通大学硕士研究生学位论文第9 页 _-_-_-_-h_ 同时也提供诊断用的有关影响参数的数据和消除故障的建议。 ”2 0 世纪8 0 年代以后，把专家系统、神经网络等智能手段应用于内燃机 的故障诊断已经引起了国内外的广泛关注。日本三菱重工开发了中速柴油机 s u p e r a s o s 系统【4 9 j 。它可以连续监测和收集主机工况数据，如活塞环剖面、 燃烧压力、喷油压力等，用模糊推理技术诊断出主机的症状，输出适宜的指 导。s u p e r a s o s 系统可连续监测机舱内机械系统工况，显示工况参数的趋 势及特性曲线，用人工智能手段诊断预测早期的问题，指导维修保养，避免 严重事故，s u p e r a s o s 系统能通过卫星实现船岸通信。此外典型的专家系 统还有：m a n b & k 公司开发的c a p a 专家系统垆0 1 ，荷兰的w a r t s i l a 柴 油机公司开发的f a k s 系统( 故障避免知识系统) 【5 ”，w a r t s i l a 与荷兰d e l f t 大学合作开发的i c m o s 系统( 智能控制和监测系统) 【5 2 1 ，法国s e m t p i e l s t i c k 与t h o m s o nd o i 开发的舰船推进发动机增压系统的故障诊断 专家系统口3 1 ，n e ws u l z e r 智能发动机管理系统垆”。文献 5 5 1 通过状态参数监 测建立了故障与征兆之间的联系，以信息融合理论为基础建立起内燃机故障 诊断系统，把模糊神经网络f f u z z yn e u r a ln e t w o r k ) 作为该系统的核心。通过 实验证明，该系统减少了知识库的容量，能够对故障部件和类型进行快速识 别，基于f n n 的多特征融合技术为复杂机械的故障诊断提供了一种新的方 法。文献r 5 6 通过采集、分析气缸压力信号，利用r b f ( r a d i a lb a s i sf f m c t i o n s ) 神 经网络实现了对增压涡轮内燃机气缸压力的实时监测和喷油系统的故障诊 断。文献 5 8 通过3 个传感器，分别采集了正常工况和4 种故障工况下的声 发射信号、振动信号和气缸压力信号，用这些数据分别训练3 个神经网络。 该系统具有较强的鲁棒性，诊断结果较单一信号来源更为可信。 在国内，大连海事大学开发了针对s u l z e rr n d 及m a n b & wm c 系列柴 油机的专家系统 5 9 - 6 1 、上海海运学院研制了基于b p 网络柴油机故障诊断专 家系统捌等。 综上所述，内燃机的故障诊断方法必然会朝着不解体化、高精度化、智 能化的方向发展。 1 4 2 基于曲轴角振动的内燃机故障诊断技术的现状 2 0 世纪8 0 年代，随着电子技术的发展，利用测得的曲轴角振动( 特别是 瞬时转速1 判断内燃机各缸作功状况( 工作不均匀性或压缩不均匀性) 和诊断内 燃机故障等得到国内外广泛的重视。目前国外，如美国、德国、日本和法国 西南交通大学硕士研究生学位论文第1 0 页 等国家的研究动向主要为用瞬时转速推算缸内压力变化等。国内山东工业大 学、华中科技大学、武汉交通科技大学、海军工程学院、浙江大学以及西南 交通大学等高校也在研究利用瞬时转速信号，通过各种各样的信号处理分析 方法诊断内燃机故障，取得了巨大进展。 h e n a i n 、r e z e k a 、陈祥初和罗友乔等国内外许多学者广泛采用各缸作功 冲程瞬时转速波动增量幽来判断少缸数内燃机中的故障缸 6 3 , 6 4 , 6 5 】。也有采用 瞬时转速上升段的平均加速度，相邻两波峰值之差或波谷值之差、连续上止 点处瞬时转速差值、瞬时转速的互相关分析、模糊模式识别法等来判断故障 缸。董大伟提出采用角加速度增量留法来判断内燃机的故障缸，比撕法具 有更高的精度口】。但是，当轴系刚度较小、缸数较多、发火间隔角较小时， 各缸的相互干扰变大，扭振的影响也会变大，利用”法和，法往往会判断 错误。 刘世元提出了利用瞬时转速信号诊断内燃机失火故障的方法【2 1 2 2 , 2 3 】：在 该方法中，从两个途径来获取失火故障的特征参数，一是分析曲轴飞轮系统 的动力学特性，建立了简明实用的瞬时转速诊断模型，从而定义了4 种诊断 失火故障模型的无量纲特征参数：二是通过分析瞬时角加速度和瞬时转速信 号的波形特点，直接定义6 种失火故障的无量纲特征参数。最后，利用模糊 模式识别技术将这些特征参数进行信息融合，来识别故障缸，刘世元在文献 3 5 中基于瞬时转速的时域信号利用神经网络实现了内燃机状态的在线监 测，但是，该方法需要大量的实验来支持。 文献 6 6 1 利用扭振综合振幅及各主要谐次分量作为故障诊断的特征参 数，并用灰色关联度分析法考察待检模与哪一种标准模( 故障模接近) 。但该 方法需要大量的实验以获得各种标准模，工作量很大，同时，其特征参数的 提取并不是基于内燃机故障机理，具有一定的盲目性。 董大伟从轴系扭振的力学模型出发，提出了扭振信号反算法( t v r s 法1 7 】。扭振信号反算法利用轴系中某一个惯量的扭转振动信号，按轴系实际 的弹性模型，依据内燃机动力学、数值计算方法、数字信号理论和子空间法 等理论，反算各缸的平均有效压力，进而定量判断各缸的作功状况。这种方 法是对传统方法的一个突破，只要能获得轴系有关刚度、惯量、阻尼等结构 参数，通过测得的曲轴扭振位移信号，就可算出各缸的作功状况。扭振信号 发算法实际应用的效果取决于的轴系结构参数的准确程度。 闰兵提出通过实测扭振信号的单谐次分量诊断内燃机故障缸的方法怕”。 该方法不依赖于轴系的结构参数，也不需建立基准模型，容易实现实时监测， 西南交通大学硕士研究生学位论文第11 页 具有较好的工程应用价值，但该方法尚不能判断各缸作功状况。 综上所述，曲轴角振动信号携带有丰富的内燃机工作状况的信息，而且 扭振测量技术的发展已经很成熟，测量也很方便，因此，基于曲轴角振动信 号诊断内燃机工作状况得到国内外学者的广泛关注。上述研究对内燃机各缸 工作状态的总体判断和故障诊断起到了一定的作用，但是这些方法都是利用 扭振信号诊断内燃机气缸熄火或作功不足故障，尚未对内燃机具体工作过程 故障进行研究。为此，本文通过深入研究单缸切向力矩与扭振位移信号之间 的确定性关系，从曲轴扭振位移信号中为不同的内燃机故障提取了不同的特 征参数，并以神经网络为诊断工具，初步实现了内燃机具体工作过程故障的 诊断。 1 5 本文的主要研究内容及实现方法 1 5 1 二级故障诊断策略 故障诊断是一门实践性很强的技术，除了诊断准确外，高效率( 使用简便、 工作量少) 便是决定该项技术能否推广的决定性因素。目前国内外的内燃机故 障诊断技术研究工作对诊断效率的问题或者重视不够，或者没有解决。例如 针对一个系统或一个部件的单个目标或多个目标诊断技术用在多缸机上时， 要逐个气缸进行监测，工作量大、进度慢，且大部分诊断工作可能都是不必 要的，因为有故障的系统和部件毕竟是少数。为克服这些缺点，需要开发一 种建立在先进测量、分析、诊断理论基础上的“分级顺序检查、多目标同时诊 断”的高效率新技术。为此，文献【7 提出两级诊断的新思路，即以考察气缸 作功状况的变化作为搜索故障的依据，但采用不同于示功图测录或功率测量 的诊断技术，具体说来，它包括： 一级诊断：总体搜索。对曲轴角振动进行计算机测量和分析，总体判断 内燃机各缸的作功状况，判断内燃机是否存在故障，并找出作功或压缩状况 不良的气缸即故障缸，为具体系统、部件的诊断指明方向，缩小诊断范围。 二级诊断：定位诊断，以发现该缸的故障零部件部位。例如缸盖振动信 号带有缸内工作过程和气门状况等的丰富信息，可利用该振动信号进行多目 标同时诊断，以判定燃油喷射系统( 如雾化质量、喷油定时、供油量等) 、进 气压力( 增压中冷系统) 、气缸密封和气门机构等是否存在故障。又如机体上 不同测点的振动信号可以诊断活塞缸套主轴承等多种故障。 本文的研究工作主要在于二级诊断。 西南交通大学硕士研究生学位论文第1 2 页 1 5 2 本文的主要研究内容 论文的主要工作是开发具有二级诊断功能的便携式内燃机曲轴角振动测 量与故障诊断系统，具体内容如下： ( 1 ) 在14 2 种已经讨论过，基于角振动的故障诊断方法很多都是针对各 缸均匀性的判断或故障缸的定位，属于级诊断内容，而对于二级诊断内容 的研究还很少。为此，本文将研究利用角振动信号来诊断内燃机具体工作过 程故障，以丰富二级诊断内容，充实二级诊断理论； ( 2 ) 为完成上述的二级诊断任务，以发展较为成熟的b p 神经网络作为故 障诊断的工具。为取得良好的诊断效果，本文采用了两个办法来优化神经网 络，一是通过深入分析b p 算法的基本原理，研究和比较多种b p 改进算法， 选择一种适用于本问题的学习算法，确定具有很好网络陛能的网络结构；二 是采用有效的样本预处理方法，本文通过样本差和降维的办法设计神经网络