基于模式识别的柴油机故障诊断技术研究

为提高柴油机动力装置的安全性和可靠性，满足现代预防维修制度和自动化系统的要求，对柴油机进行状态检测和故障诊断具有十分重要的意义。柴油机是一种典型的往复式动力机械，结构复杂决定了对其进行状态监测与故障诊断的困难性。本文在此背景下，研究了柴油机表面振动信号和瞬时转速的特征参数的提取方法，探索了模糊聚类和神经网络模式识别方法在柴油机故障诊断中的应用，建立了用于柴油机故障诊断的ANFIS系统，具有较高的准确性。 在大量试验的基础上，对柴油机在七种不同状态下的气缸盖及机体表面振动信号进行了时域、频域分析，提取了有效的时域、频域无量纲特征参数：在研究时频分布理论的基础上，进行了振动信号的PMH分析，揭示了在排气门漏气故障和活塞环故障时气缸盖及机体表面振动信号的时频分布特征，提取了相应的特征参数，与时域、频域特征参数一起组成了反映柴油机状态的参数向量。 在分析柴油机曲轴飞轮系统动力学特性的基础上，建立了简化的柴油机瞬时转速模拟计算模型，通过柴油机瞬时转速的模拟计算分析和实测信号的分析处理，定义了三个用于柴油机故障诊断的特征参数，利用这些瞬时转速特征参数能够准确的判断柴油机是否有故障及找出故障缸。 在普通聚类分析的基础上，着重研究了模糊C均值聚类理论方法的基本原理，给出了模糊C均值聚类的一般实现算法，分析了参数选择对聚类结果的影响，将模糊聚类方法应用于柴油机故障状态振动参数向量，实际应用证实了其故障诊断的有效性，说明适当选取的特征参数组成的参数向量可以表征柴油机的状态；在分析神经网络理论和算法的基础上，选定了自组织神经网络及学习向量矢量化算法对柴油机参数向量进行模式识别，经过训练之后，该神经网络可以比较准确的识别不同的柴油机故障状态。 研究了模糊推理理论和自适应神经网络模糊推理系统的算法和推理系统建立方法，建立了适用于柴油机故障诊断的ANFIS故障推理诊断系统，通过选取样本对模糊神经网络推理系统进行训练、测试和检验，应用表明本文建立的ANFIS可以准确地诊断高压油管漏油、排气门漏气、活塞环损坏等单一故障及复合故障，具有很强的实用性。 提出了柴油机故障诊断的一种思路：在无法测量缸内爆发压力的情况下，先利用瞬时转速特征参数判断柴油机是否存在故障以及故障所在缸，再通过分析故障缸表面振动信号提取模式向量利用模式识别或者ANFIS系统推理出故障类型或者原因。