基于Bayesian網(wǎng)絡的柴油發(fā)動機故障診斷分析系統(tǒng)的研發(fā)

黃云奇

（廣西交通職業(yè)技術學院，汽車工程系，廣西南寧530023）

故障診斷與維修

基于Bayesian網(wǎng)絡的柴油發(fā)動機故障診斷分析系統(tǒng)的研發(fā)

黃云奇

（廣西交通職業(yè)技術學院，汽車工程系，廣西南寧530023）

根據(jù)電控柴油機故障源的多樣性和不確定性，提出了先使用傳感器數(shù)據(jù)技術檢測發(fā)動機不同階段的工作狀態(tài)，然后結合經(jīng)驗法、專家指導意見等預算出故障源的可能發(fā)生的概率，最后使用Bayesian網(wǎng)絡推斷查找故障源的一種故障診斷方法。經(jīng)某電控柴油機的實驗結果表明，該系統(tǒng)結合了傳感器診斷技術的實時性和Bayesian網(wǎng)絡技術的判斷決策能力，提高了故障診斷的正確率和實效性。

電控柴油機；Bayesian網(wǎng)絡；故障診斷

1 電控柴油機故障的基本特點

現(xiàn)代電控柴油機的結構及工作原理比較復雜，其故障原因和故障現(xiàn)象之間可能存在著一個故障成因對應多個故障現(xiàn)象或者一個故障現(xiàn)象對應多個故障成因的復雜關系。由于故障成因的模糊性，導致柴油機故障源存在著多樣性，如果僅通過某些故障現(xiàn)象來判斷故障原因，不科學，可能會造成誤判。

2 電控柴油機故障診斷技術及其應用情況

基于故障機理的診斷等傳統(tǒng)的診斷方法由于柴油機結構的過于復雜而逐漸被淘汰。直接檢查法對知識積累要求高，因此局限性很大，通常與其他診斷方法配合使用[1]。故障樹診斷法由于診斷過程過于粗糙導致診斷精度低[2]；瞬時轉速波動診斷方法在一定程度上能夠反映故障的有關信息，但不能夠反映故障形成的原因，而且測量瞬時轉速波動需要高頻響、高精度的儀器，成本太高，不具普適性[3]。噪音分析法由于檢測噪聲信號設備造價昂貴及柴油機噪聲來源繁多的限制，該方法目前還未得到廣泛的應用[4]。許多現(xiàn)代診斷技術方法便應運而生，傳感器診斷技術[5]根據(jù)傳感器數(shù)據(jù)的異常對故障進行判斷，具有較好的實時性，但容易受到噪聲干擾容易產(chǎn)生誤判。Bayesian網(wǎng)絡診斷技術可以利用各種故障源的先驗概率，并且具有很強的判斷決策能力，但其有不能充分反映實時性的缺點。

Bayesian網(wǎng)絡是模糊知識表達和推理領域里比較有效的理論模型之一，其可從模糊的知識或信息中做出推理。它對于解決由于復雜設備的不確定性和關聯(lián)性引起的故障診斷方面有很大的優(yōu)勢。其將傳感器診斷技術和Bayesian網(wǎng)絡診斷技術結合起來，使這兩種技術能揚長避短發(fā)揮各自的優(yōu)勢，提高了診斷的正確性和實時效率。

3 Bayesian網(wǎng)絡故障診斷分析系統(tǒng)的主要組成模塊

3.1 知識庫模塊

知識庫儲存的主要是基于Bayesian網(wǎng)絡的各類故障診斷模型（如圖1所示）、診斷規(guī)則、網(wǎng)絡的所有節(jié)點、節(jié)點間的相互關系及故障單元先驗概率、各類傳感器正常工作數(shù)據(jù)等信息。除了具備儲存功能以外還應可以進行有效修改或補充功能。

圖1Bayesian網(wǎng)絡診斷模型

3.2 柴油機運轉數(shù)據(jù)信息采取及處理模塊

該模塊通過燃油壓力調節(jié)器、噴油器噴油壓力、怠速控制閥、冷卻水溫傳感器、進氣溫度傳感器、進氣壓力傳感器、轉速傳感器、節(jié)氣門位置傳感器、氧傳感器等獲取柴油機的工作狀態(tài)數(shù)據(jù)信息，作為故障診斷系統(tǒng)進行診斷推理的證據(jù)信息。設n個傳感器采集到的狀態(tài)數(shù)據(jù)為S（t）=[s1（t），s2（t），…，sn（t）]為了減少各類噪聲的干擾，還要對數(shù)據(jù)信號進行過濾處理。n個傳感器的輸入輸出特征函數(shù)為M（t）=[m1（t），m2（t），…，mn（t）]，其工作狀態(tài)數(shù)據(jù)為D（t）=[（m1（t），s1（t）），…，（mn（t），sn（t））].

3.3 柴油機運行狀態(tài)判斷模塊

該模塊對傳感器傳來的各類柴油機運行的實時狀態(tài)數(shù)據(jù)進行判斷分析，如果這些狀態(tài)數(shù)據(jù)與標準值（或參考值）不符則說明出現(xiàn)了故障單元（含傳感器本身）。n個傳感器的狀態(tài)數(shù)據(jù)判斷函數(shù)為J（t）=[j1（t），j2（t），…，jn（t）]，R（t）=[r1（t），r2（t），…，rn（t）]為數(shù)據(jù)判斷結果，則數(shù)據(jù)判斷結果為R（t）=[（j1（t），d1（t）），（j2（t），d2（t））…，（jn（t），dn（t））].若ri（t）=0則說明第i個傳感器數(shù)據(jù)正常，若ri（t）=1則說明第i個傳感器數(shù)據(jù)不正常。

由于柴油機故障的隨機性和模糊性，某傳感器數(shù)據(jù)異常并不能說明該單元就是產(chǎn)生故障的直接原因，還需結合Bayesian網(wǎng)絡診斷模塊進行進一步的診斷。

3.4 Bayesian網(wǎng)絡推理診斷模塊

該模塊是整個系統(tǒng)的核心模塊。其主要功能是根據(jù)故障現(xiàn)象及所得到的各類信息結合知識庫進行推理計算得出每個故障原因節(jié)點發(fā)生的概率，并給出維修的建議。

如圖1所示，將故障分為多個相互獨立（至少有明顯界限）且完全包含的類別，對各個故障類別分別建立相應的Bayesian網(wǎng)絡模型。一般情況下柴油機故障可能不是單一的，而由一個或者多個原因造成，而這些可能的原因也可能是由一個或者幾個更低層次的子原因造成，在建立起B(yǎng)ayesian網(wǎng)絡的關系節(jié)點后要進行概率估計，其方法是當某故障現(xiàn)象出現(xiàn)后，推算與該故障原因有關聯(lián)的各個節(jié)點的條件概率。這種局部化概率估算的方法可有效提高診斷效率[6]。

3.5 人機交互模塊

該模塊是人與計算機之間傳遞、交換信息的媒介和對話接口，是系統(tǒng)的重要組成部分。其實現(xiàn)信息的內部形式與人類可以接受形式之間的轉換。

3.6 系統(tǒng)幫助和支持模塊

用戶通過該模塊可查詢有關參數(shù)設置、功能使用、操作引導等操作。

4 Bayesian網(wǎng)絡故障診斷分析系統(tǒng)實驗及結果分析[7]

4.1 網(wǎng)絡診斷模型的構建

燃油供油系的多種故障現(xiàn)象與可能的故障源有明顯的因果關系，存在著典型的“多對多”關系，因此以燃油供給系統(tǒng)的故障現(xiàn)象（如：不能正常起動、發(fā)動機抖動、排氣管冒黑煙、加速不力等）為例建立起B(yǎng)ayesian診斷網(wǎng)絡模型，如圖2所示。

圖2 發(fā)動機燃油系統(tǒng)故障貝葉斯網(wǎng)絡診斷[7]

以某電控柴油機為實驗對象，當出現(xiàn)（加速不力）故障現(xiàn)象后，推斷出最有可能的故障原因（或者是故障源）為例進行Bayesian診斷網(wǎng)絡的驗證分析。用（簡寫為N）表示正常工作狀態(tài)，用（簡寫為A）表示異常工作狀態(tài)。其母節(jié)點（或是故障源）先驗概率值可通過查詢維修資料、咨詢專家、傳感器數(shù)據(jù)分析等基礎上結合經(jīng)驗得出（對于系統(tǒng)的并發(fā)故障，在統(tǒng)計故障概率時按單獨故障重復統(tǒng)計），其數(shù)據(jù)如表1所示。

表1 母節(jié)點（故障源）的先驗概率值

用類似的方法得到其他子節(jié)點的條件概率值。子節(jié)點SS1（燃油壓力傳感器）和SS3（節(jié)氣門傳感器）及SS4（空氣傳感器數(shù)據(jù)）狀態(tài)先驗概率分別如表2、表3、表4、表5所示。

表2 SS1（燃油壓力傳感器）數(shù)據(jù)狀態(tài)的先驗概率（1）

表3 SS1（燃油壓力傳感器）數(shù)據(jù)狀態(tài)的先驗概率（2）

表4 SS3（節(jié)氣門傳感器）數(shù)據(jù)狀態(tài)的先驗概率值

表5 SS4（空氣傳感器）數(shù)據(jù)狀態(tài)的先驗概率值

明確上述相關傳感器故障先驗概率值后，利用Hugin Expert軟件進行計算推理。假如產(chǎn)生了ST3（加速不力）的現(xiàn)象，相關的第一級母節(jié)點SS1（燃油壓力傳感器）和SS3（節(jié)氣門傳感器）及SS4（空氣傳感器）發(fā)生數(shù)據(jù)不正常的概率如表6所示。從表6可知（燃油壓力傳感器）數(shù)據(jù)不正常的概率最高，而SS4（空氣傳感器）發(fā)生不正常的可能性最低。

表6 ST3（加速不力）故障現(xiàn)象第一級母節(jié)點概率

令ST3（加速不力）和SS4（空氣傳感器）同時出現(xiàn)數(shù)據(jù)不正常的情況，對應的第二級母節(jié)點FS1（燃油泵故障）、FS2（噴油器故障）、FS3（燃油濾清器故障）、FS4（油路故障）、FS5（燃油壓力調節(jié)器）故障如表7所示。當子節(jié)點ST3（加速不力）的現(xiàn)象產(chǎn)生后，F(xiàn)S2（噴油器故障）是產(chǎn)生故障概率最高的故障源，最低的可能是FS3（燃油濾清器）是產(chǎn)生故障概率最低的故障源。

表7 ST3（加速不力）故障現(xiàn)象第二級母節(jié)點概率

5 結束語

經(jīng)過理論建模、推理和實操后，對Bayesian網(wǎng)絡在電控柴油機綜合故障診斷上的應用有以下的結論：故障診斷的實效性與傳感器數(shù)據(jù)的準確性有關；故障推斷的結果與故障源的先驗概率值密切相關；如果明確的節(jié)點概率越多，同時推斷過程更明確，則推斷的結果會更加準確。

[1]林洋.基于貝葉斯網(wǎng)絡船用柴油機故障診斷系統(tǒng)的研究[D].大連：大連理工大學，2016

[2]尚文，王維民，齊鵬逸，等.基于條件規(guī)則與故障樹法的燃氣輪機故障診斷[J].機電工程，2013，30（7）：798-801.

[3]王維琨，江志農(nóng)，張進杰.基于神經(jīng)網(wǎng)絡和瞬時轉速的發(fā)動機失火故障研究[J].機電工程，2013，30（7）：824-827.

[4]馮二浩，廊輝山，鄭宏俠．柴油機故障診斷研究綜述[J].機械管理開發(fā)，2010，25（2）：109-111.

[5]Luo R C.Dynamic Multi-sensor Data Fusion System for In telligent Robots[J].IEEE Journal of Robotics and Automation. 1988，4（4）：386-396.

[5]董旭初，歐陽丹彤，劉大有．Bayesian網(wǎng)推理中的化簡方法[J]．吉林大學學報（理學版），2004，42（1）：77-83．

[6]劉存香，劉學軍，韋志康．基于Bayesian故障診斷網(wǎng)絡的柴油機故障信息關聯(lián)度研究分析[J]．拖拉機與農(nóng)用運輸車，2008，35（1）：48-49．

[7]黃云奇，劉存香.融合電控柴油機傳感器數(shù)據(jù)的貝葉斯綜合故障診斷網(wǎng)絡研究[J].機電工程，2015，32（2）：246-250.

The Diesel Engine Fault Diagnosis Based on Bayesian Network Analysis System Research and Development

HUANG Yun-qi
（Guangxi Vocational and Technical College of Communications，Department of Automotive Engineering，Nanning Guangxi 530023，China）

According to the diversity of electronically controlled diesel engine fault sources and uncertainty，this paper proposes to use the sensor data to detect the working state of the engine at different stages then combined with the empirical method，expert guidance，such as the probability of the budget for the source of the fault may occur，and finally the use of bayesian networks to infer a fault diagnosis method to find the source of the fault.An experimental results show that the electronic control diesel engine this system combined the sensor diagnosis technology of the real-time performance and decision-making ability of the bayesian network technology，the accuracy of fault diagnosis is improved and the effectiveness.

electronic control diesel engine；bayesian networks；fault diagnosis

TK428

A

1672-545X（2017）03-0219-04

2016-12-03

2015年廣西高?？茖W技術研究項目（項目編號：KY2015YB415）

黃云奇（1977-），男，廣西南寧人，副教授，工程師，研究生學歷，工學碩士，主要研究方向：汽車機電一體化技術、高等職職業(yè)教育教學與改革。