柴油機(jī)故障診斷新方法

朱 俊

1.振動(dòng)分析法。利用柴油機(jī)在工作時(shí)產(chǎn)生的振動(dòng)信號(hào),經(jīng)測(cè)試、數(shù)據(jù)分析及處理對(duì)內(nèi)部零部件的狀態(tài)進(jìn)行診排。其方法具有診斷速度快、準(zhǔn)確率高和能夠?qū)崿F(xiàn)在線診斷的特點(diǎn)。

2.鐵譜和光譜監(jiān)測(cè)技術(shù)。在故障診斷中，檢測(cè)潤(rùn)滑油中鐵的含量可以間接判定金屬部件的磨損。鐵譜和光譜在其監(jiān)測(cè)功能上有各自的優(yōu)勢(shì)和不足，這是因?yàn)椴裼蜋C(jī)運(yùn)動(dòng)件含有多種材料的摩擦副，而每一對(duì)摩擦副又會(huì)出現(xiàn)各種不同的磨損狀態(tài)。光譜可以準(zhǔn)確地測(cè)定潤(rùn)滑油中磨損元素的含量,但不能了解其存在的形狀,而且其監(jiān)測(cè)靈敏度又受到磨粒本身粒度的影響,因此無(wú)法判斷磨損的類(lèi)型。鐵譜可以直觀地了解磨粒的形狀、大小和成份等重要的磨損信息,但對(duì)有色金屬就不具有與鐵系磨粒相同的靈敏度,而且分辨能力不如光譜分析儀。所以聯(lián)合采用鐵譜及光譜技術(shù)，獲得了取長(zhǎng)補(bǔ)短的效果。但鐵譜及光譜分析法無(wú)法確定有問(wèn)題的缸位，不易實(shí)現(xiàn)實(shí)時(shí)監(jiān)測(cè)；油液分析的結(jié)果只是定性地描述，存在一定的隨機(jī)性。

3.基于灰色系統(tǒng)理論的故障診斷方法?；疑到y(tǒng)理論以其新穎的思路和廣泛的適用性在理論及工程界引起廣泛關(guān)注并迅速在許多領(lǐng)域獲得廣泛應(yīng)用。灰色理論用于柴油機(jī)故障診斷的原理,是把柴油機(jī)系統(tǒng)看成是一個(gè)復(fù)雜的灰色系統(tǒng)，利用存在的已知信息去推知含有故障模式的不可知信息的特性、狀態(tài)和發(fā)展趨勢(shì),并對(duì)未來(lái)的發(fā)展作出預(yù)測(cè)和決策,其過(guò)程即是一個(gè)灰色過(guò)程的白化過(guò)程?；疑碚撛诠收显\斷中的應(yīng)用包括灰色系統(tǒng)建模、并聯(lián)度分析、灰色模型預(yù)測(cè)等。利用灰色系統(tǒng)可以實(shí)現(xiàn)故障的預(yù)測(cè)，準(zhǔn)確率高，計(jì)算量小、易于實(shí)現(xiàn)微機(jī)控制。

4.神經(jīng)網(wǎng)絡(luò)診斷法。神經(jīng)網(wǎng)絡(luò)在柴油機(jī)故障診斷中的應(yīng)用主要有：

1)神經(jīng)網(wǎng)絡(luò)直接用于故障診斷。通過(guò)選擇關(guān)鍵參數(shù)作為網(wǎng)絡(luò)的輸入層，故障類(lèi)型在輸出層給出。BP神經(jīng)網(wǎng)絡(luò)由于具有較強(qiáng)的非線性映射能力而被廣泛應(yīng)用于故障診斷領(lǐng)域。它通過(guò)對(duì)故障實(shí)例的訓(xùn)練和學(xué)習(xí)，用分布在神經(jīng)網(wǎng)絡(luò)中的連接權(quán)值來(lái)表達(dá)故障，具有對(duì)故障的聯(lián)想記憶、模式匹配和相似歸納的能力，可以實(shí)現(xiàn)故障和征兆間的復(fù)雜的非線性映射關(guān)系。但是，基本BP算法存在著局部極值和收斂速度慢等缺點(diǎn)。在神經(jīng)網(wǎng)絡(luò)中引入模擬退火法和遺傳算法，可以有效地解決局部極值，提高算法的收斂速度。

2)自適應(yīng)神經(jīng)網(wǎng)絡(luò)模式識(shí)別。傳統(tǒng)模式識(shí)別過(guò)程在特征提取上具有很大的盲目性，效率低。而自適應(yīng)神經(jīng)網(wǎng)絡(luò)利用神經(jīng)網(wǎng)絡(luò)分布式信息存儲(chǔ)和并行處理，避開(kāi)了模式識(shí)別中建模和特征提取的麻煩，從而消除了模式不符和特征提取不當(dāng)所帶來(lái)的影響，使故障狀態(tài)易于識(shí)別。

3)模糊神經(jīng)網(wǎng)絡(luò)在故障診斷中的應(yīng)用。由于柴油機(jī)狀態(tài)信號(hào)傳播路徑復(fù)雜、故障與特征參數(shù)的映射關(guān)系模糊，再加上邊界條件的不確定性、運(yùn)行工況的多變性，使故障征兆和故障原因之間難以建立準(zhǔn)確的對(duì)應(yīng)關(guān)系。模糊神經(jīng)網(wǎng)絡(luò)應(yīng)用模糊集合論、模糊語(yǔ)言變量及模糊邏輯推理來(lái)模擬人的模糊思維方法，采用多層前向網(wǎng)絡(luò)結(jié)構(gòu)，結(jié)合人們的先驗(yàn)知識(shí)進(jìn)行模糊推理，使之具有準(zhǔn)確的非線性擬合和學(xué)習(xí)能力。由于權(quán)值初始化可根據(jù)先驗(yàn)知識(shí)人為選擇，因此，網(wǎng)絡(luò)的學(xué)習(xí)速度大大加快，并在一定程度上回避了梯度下降法存在的局部極值問(wèn)題。

4)神經(jīng)網(wǎng)絡(luò)與專(zhuān)家系統(tǒng)相結(jié)合。主要有兩種策略：一是將專(zhuān)家系統(tǒng)構(gòu)成神經(jīng)網(wǎng)絡(luò)，把專(zhuān)家系統(tǒng)的基于符號(hào)的推理變成基于數(shù)值運(yùn)算的推理，以提高專(zhuān)家系統(tǒng)的執(zhí)行效率：二是將神經(jīng)網(wǎng)絡(luò)視為一類(lèi)知識(shí)源的表達(dá)和處理模型，與其他知識(shí)表達(dá)模型一起去表達(dá)專(zhuān)家的知識(shí)。實(shí)踐證明，神經(jīng)網(wǎng)絡(luò)和專(zhuān)家系統(tǒng)結(jié)合，互補(bǔ)長(zhǎng)短，克服了神經(jīng)網(wǎng)絡(luò)存在的診斷推理不清楚、診斷解釋機(jī)制不強(qiáng)等缺陷，達(dá)到一種較完美的組合。此外，粗糙集理論方法用于刻劃不完整數(shù)據(jù)的表達(dá)、學(xué)習(xí)和歸納十分有效。它能有效地分析和處理不精確、不完整、不一致等不完備性，發(fā)現(xiàn)數(shù)據(jù)間隱藏的關(guān)系，從而提取有用信息，簡(jiǎn)化信息的處理。用粗糙集理論優(yōu)化條件屬性和決策屬性，再用神經(jīng)網(wǎng)絡(luò)對(duì)屬性進(jìn)行聚類(lèi)分析，可以減少神經(jīng)網(wǎng)絡(luò)的輸入節(jié)點(diǎn)數(shù)，提高效率。

5)專(zhuān)家系統(tǒng)的智能化。專(zhuān)家系統(tǒng)其核心主要包括以下幾部分：知識(shí)庫(kù)、知識(shí)獲取部分、推理和解釋部分。在知識(shí)表達(dá)方面，利用產(chǎn)生式規(guī)則進(jìn)行知識(shí)表達(dá)，一方面得益于現(xiàn)有人工智能語(yǔ)言；另一方面是它的表達(dá)合乎人的心理邏輯，便于獲取，利于人們接受。利用框架進(jìn)行知識(shí)表達(dá)得到了越來(lái)越多的應(yīng)用，這主要得益于以C語(yǔ)言為代表的面向?qū)ο蟮木幊碳夹g(shù)的興起及普及，C語(yǔ)言對(duì)面向?qū)ο蟮臄?shù)據(jù)結(jié)構(gòu)極為支持，而框架正是一種面向?qū)ο蟮臄?shù)據(jù)結(jié)構(gòu)。

在診斷推理方面，主要表現(xiàn)在對(duì)推理邏輯和推理模型的研究上。在人工智能領(lǐng)域，存在著許多推理邏輯，模糊邏輯作為一種降低系統(tǒng)復(fù)雜性的方法近期在專(zhuān)家系統(tǒng)的推理邏輯中得到了廣泛應(yīng)用,國(guó)內(nèi)的許多專(zhuān)家系統(tǒng)也對(duì)模糊邏輯進(jìn)行了發(fā)展；對(duì)推理模型的研究則表現(xiàn)在如何對(duì)推理的知識(shí)進(jìn)行劃分及控制，從而使推理過(guò)程更為有效。值得注意的是，最近有學(xué)者提出基于模型的知識(shí)庫(kù)理論，這使推理機(jī)制發(fā)生了根本改變，如神經(jīng)網(wǎng)絡(luò)模型、定性物理模型、可視覺(jué)模型等，這無(wú)疑給人工智能領(lǐng)域注入了新的活力。