數(shù)據(jù)挖掘在柴油機(jī)智能故障診斷系統(tǒng)中的應(yīng)用

劉 炎

（深圳市智駕實(shí)業(yè)有限公司，廣東深圳 518000）

柴油機(jī)是一種使用柴油作為燃料的內(nèi)燃機(jī)，是結(jié)合第一、二次技術(shù)革命成果的產(chǎn)物，是當(dāng)前工農(nóng)業(yè)機(jī)械、汽車、船舶、內(nèi)燃機(jī)車、鉆機(jī)、通用設(shè)備、備用電站等的主要?jiǎng)恿ρb備。柴油機(jī)的熱能利用效率高，燃料能源成本低，設(shè)備技術(shù)發(fā)展時(shí)間久，在我國(guó)機(jī)械行業(yè)中具有十分重要的地位。柴油機(jī)工作過(guò)程包括進(jìn)氣、壓縮、熱門(mén)與動(dòng)能轉(zhuǎn)換、排氣等節(jié)點(diǎn)動(dòng)作的循環(huán)。相較于汽油，柴油的物理黏性更大且更難變成蒸汽，故其在氣缸內(nèi)形成柴油與空氣的混合氣體的方式和燃料燃燒方式上存在不同。目前國(guó)內(nèi)正在使用的大多數(shù)柴油機(jī)的制造和裝備工藝較為陳舊，但其內(nèi)部構(gòu)造仍相對(duì)精密復(fù)雜，且工作環(huán)境較為惡劣。傳統(tǒng)的通過(guò)經(jīng)驗(yàn)來(lái)保養(yǎng)和維護(hù)裝備明顯不再適合如今的生產(chǎn)生活，針對(duì)定項(xiàng)檢查的舊式計(jì)算機(jī)故障診斷系統(tǒng)也逐漸無(wú)法滿足柴油機(jī)的保養(yǎng)和維護(hù)需求。

1 柴油機(jī)的種類及其常見(jiàn)故障

柴油機(jī)是一種使用柴油作為燃料的內(nèi)燃機(jī)。工作時(shí)，柴油機(jī)將空氣吸入氣缸，并通過(guò)高程度壓縮使氣缸內(nèi)的空氣溫度上升到500～700 ℃；當(dāng)氣缸內(nèi)溫度滿足供料條件時(shí)，柴油機(jī)將霧狀的燃油噴入，使其遇高溫空氣后自動(dòng)燃燒；燃燒產(chǎn)生的熱能反復(fù)快速地推動(dòng)活塞，而活塞帶動(dòng)連桿和曲軸運(yùn)動(dòng)，將熱能轉(zhuǎn)換為機(jī)械功產(chǎn)生持續(xù)動(dòng)力。柴油機(jī)的種類較多，可以根據(jù)工作方式、冷卻方式、進(jìn)氣方式、供電方式等多種方式進(jìn)行分類，如四沖程柴油機(jī)、二沖程柴油機(jī)、單缸柴油機(jī)、多缸柴油機(jī)、直噴式柴油機(jī)、渦流式柴油機(jī)、水冷卻柴油機(jī)、風(fēng)冷卻柴油機(jī)、增壓式柴油機(jī)、非增壓式柴油機(jī)、交流發(fā)電柴油機(jī)、直流發(fā)電柴油機(jī)等。

柴油機(jī)的組成部分較多，各部件之間的連接繁多且精密，并長(zhǎng)時(shí)間在高溫、震動(dòng)和多煙塵的環(huán)境中工作。因此，工作時(shí)間較久的機(jī)具經(jīng)常會(huì)出現(xiàn)異常響動(dòng)、功率降低、冒黑煙、壓氣機(jī)或渦輪的密封環(huán)漏油、電路異常等問(wèn)題。例如，長(zhǎng)時(shí)間未清洗或更換空氣濾芯、壓氣出口或排氣口漏氣、增壓器件異常、燃油系統(tǒng)故障等，會(huì)導(dǎo)致柴油機(jī)功率下降或冒黑煙；增壓器或壓氣機(jī)內(nèi)部殘留油泥或結(jié)焦、發(fā)動(dòng)機(jī)活塞環(huán)或缸套磨損、增壓器損壞等，會(huì)導(dǎo)致密封環(huán)漏油；壓氣機(jī)內(nèi)部阻塞或沾染污垢、配氣機(jī)構(gòu)內(nèi)部漏氣、潤(rùn)滑系統(tǒng)異常等，會(huì)導(dǎo)致柴油機(jī)異響；機(jī)具內(nèi)部輸油管路不通暢、密封環(huán)損壞、缸內(nèi)沾染污垢等，會(huì)使柴油機(jī)油耗指標(biāo)上升，影響功率輸出。這些常見(jiàn)的故障發(fā)生點(diǎn)較多且常發(fā)于機(jī)具內(nèi)部，提前或及時(shí)發(fā)現(xiàn)機(jī)具故障以及準(zhǔn)確診斷故障原因，有助于保持柴油機(jī)性能和延長(zhǎng)使用壽命。但傳統(tǒng)的分析故障手段依然不經(jīng)濟(jì)、不穩(wěn)定，因此，借助先進(jìn)的數(shù)據(jù)挖掘技術(shù)實(shí)現(xiàn)柴油機(jī)故障的智能診斷，對(duì)于有效的保養(yǎng)和維護(hù)機(jī)具、保持機(jī)具性能和使用壽命有著積極的意義。

2 數(shù)據(jù)挖掘技術(shù)

“大數(shù)據(jù)”的概念由頂級(jí)咨詢公司麥肯錫提出，即為大量的數(shù)據(jù)。然而，經(jīng)過(guò)多年的演進(jìn)和討論，如今大數(shù)據(jù)已經(jīng)蘊(yùn)含了更多的含義，海量數(shù)據(jù)、多維度的數(shù)據(jù)、全面的數(shù)據(jù)、有效的數(shù)據(jù)等，構(gòu)成了信息、資料與技術(shù)的集合。數(shù)據(jù)挖掘則通過(guò)數(shù)學(xué)模型和程序算法的結(jié)合，從海量數(shù)據(jù)中搜集和處理信息并形成對(duì)于需求的解釋模型，然后不斷地對(duì)整個(gè)過(guò)程進(jìn)行迭代和調(diào)整。從思想層面理解，數(shù)據(jù)挖掘是不斷學(xué)習(xí)的過(guò)程。從技術(shù)層面歸納，數(shù)據(jù)挖掘基于計(jì)算機(jī)科學(xué)，融合數(shù)據(jù)庫(kù)倉(cāng)儲(chǔ)、數(shù)據(jù)庫(kù)應(yīng)用、統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)、數(shù)據(jù)可視等多個(gè)專業(yè)領(lǐng)域來(lái)構(gòu)建數(shù)據(jù)模型，并通過(guò)算法的執(zhí)行發(fā)現(xiàn)和存儲(chǔ)習(xí)得的知識(shí)。

基于數(shù)據(jù)進(jìn)行預(yù)測(cè)和描述數(shù)據(jù)是數(shù)據(jù)挖掘的基本目標(biāo)。其中，監(jiān)督學(xué)習(xí)是預(yù)測(cè)的建模和實(shí)現(xiàn)的過(guò)程，在學(xué)習(xí)過(guò)程中將搜集的數(shù)據(jù)樣本按預(yù)制分類進(jìn)行劃分和歸類，或者將樣本映射到一個(gè)真實(shí)值的預(yù)測(cè)變量中；非監(jiān)督學(xué)習(xí)常用于描述數(shù)據(jù)中，通過(guò)聚類的方式將數(shù)據(jù)樣本劃分到未做預(yù)制分類的不同集合中。數(shù)據(jù)挖掘項(xiàng)目通常選用迭代開(kāi)發(fā)的流程，對(duì)解讀需求、搜集數(shù)據(jù)、預(yù)處理數(shù)據(jù)、評(píng)估模型、解釋模型等階段進(jìn)行迭代，不斷調(diào)整對(duì)數(shù)據(jù)的處理和完善數(shù)據(jù)模型，以求更貼近目標(biāo)。

2.1 解讀需求

大多數(shù)據(jù)挖掘項(xiàng)目的立項(xiàng)是為了解決具體的領(lǐng)域或行業(yè)的一些具體問(wèn)題和痛點(diǎn)的，即有服務(wù)才有價(jià)值。項(xiàng)目團(tuán)隊(duì)不能沉浸在自己構(gòu)想中閉門(mén)造車，而是需要正確解讀需求，著眼于當(dāng)前問(wèn)題明確項(xiàng)目目標(biāo)。通過(guò)在完整的項(xiàng)目周期中與目標(biāo)行業(yè)領(lǐng)域?qū)＜液献鞅３猪?xiàng)目按正確的軌道前進(jìn)。

2.2 搜集數(shù)據(jù)

要想數(shù)據(jù)挖掘工作可以取得有效的結(jié)果，需要以龐大的數(shù)據(jù)信息作為基礎(chǔ)，這些數(shù)據(jù)源則需要從相關(guān)業(yè)務(wù)系統(tǒng)的數(shù)據(jù)庫(kù)中提取。業(yè)務(wù)數(shù)據(jù)的數(shù)據(jù)量越充足描述的維度越廣泛，可以為挖掘工作提供更良好的樣本抽取環(huán)境，這是數(shù)據(jù)挖掘可以得到良好結(jié)果單硬性基礎(chǔ)。此外，項(xiàng)目團(tuán)隊(duì)在數(shù)據(jù)抽樣時(shí)對(duì)取樣分布的理解程度將影響后續(xù)評(píng)估模型階段中訓(xùn)練和檢驗(yàn)數(shù)據(jù)分布的結(jié)果，進(jìn)而影響數(shù)據(jù)挖掘目標(biāo)的偏離程度。

2.3 預(yù)處理數(shù)據(jù)

在這個(gè)階段，項(xiàng)目團(tuán)隊(duì)主要進(jìn)行數(shù)據(jù)的準(zhǔn)備工作和數(shù)據(jù)的歸約。在準(zhǔn)備數(shù)據(jù)時(shí)，需要將數(shù)據(jù)進(jìn)行規(guī)范化處理，即清洗數(shù)據(jù)。在數(shù)據(jù)清洗過(guò)程中，需對(duì)于字段中缺失數(shù)值和出現(xiàn)異常數(shù)值的數(shù)據(jù)按約定規(guī)則進(jìn)行處理、對(duì)數(shù)據(jù)中的時(shí)間維度進(jìn)行加權(quán)，使目標(biāo)數(shù)據(jù)呈現(xiàn)平整和規(guī)范的特點(diǎn)，以便程序算法按既定模型識(shí)別和處理數(shù)據(jù)。對(duì)于數(shù)據(jù)的歸約，主要包括維度歸約、值歸約以及案例歸約等方式。

2.4 評(píng)估模型

評(píng)估模型可對(duì)模型運(yùn)行結(jié)果的評(píng)價(jià)，是在各候選模型中選擇更滿足項(xiàng)目目標(biāo)的模型。因?yàn)樵谇捌诮⒛Ｐ蜁r(shí)很容易下意識(shí)地隱含了人為的假定，所以在評(píng)估模型中經(jīng)常出現(xiàn)準(zhǔn)確率高的模型并非最有效模型的問(wèn)題。因此，做好貼近實(shí)際應(yīng)用場(chǎng)景的測(cè)試集和數(shù)據(jù)集，將很好地提升整個(gè)項(xiàng)目的迭代效率。

3 數(shù)據(jù)挖掘在柴油機(jī)智能故障診斷系統(tǒng)中的應(yīng)用

柴油機(jī)的潤(rùn)滑系統(tǒng)對(duì)于設(shè)備保持良好的運(yùn)行狀態(tài)和延長(zhǎng)壽命起著關(guān)鍵的作用。不過(guò)潤(rùn)滑系統(tǒng)的功能較為復(fù)雜，其內(nèi)部部件的關(guān)聯(lián)密切，較常出現(xiàn)多個(gè)故障之間、故障征兆表象之間相互耦合的現(xiàn)象，進(jìn)而增加故障診斷和處理的難度。在目前應(yīng)用于潤(rùn)滑系統(tǒng)的故障診斷系統(tǒng)中，多數(shù)使用典型的計(jì)算機(jī)樹(shù)型數(shù)據(jù)結(jié)構(gòu)表示設(shè)備故障。樹(shù)型數(shù)據(jù)結(jié)構(gòu)理論出現(xiàn)時(shí)間較早，在計(jì)算機(jī)算法領(lǐng)域的研究和應(yīng)用廣泛，在軟件系統(tǒng)應(yīng)用樹(shù)形結(jié)構(gòu)模型可以相對(duì)直觀地描述各故障數(shù)據(jù)之間的耦合關(guān)系，且出錯(cuò)概率較低。但其不能診斷具體的故障形式。雖然可以通過(guò)擴(kuò)展樹(shù)的容量的方式識(shí)別故障，則需要擴(kuò)充分類處理的對(duì)象，在模型的建立方面顯得過(guò)于臃腫和復(fù)雜，不利于后期迭代和系統(tǒng)本身的問(wèn)題修復(fù)。

文章重點(diǎn)簡(jiǎn)述一種基于貝葉斯網(wǎng)絡(luò)模型的故障診斷系統(tǒng)的設(shè)計(jì)，以及其如何解決多個(gè)故障互相關(guān)聯(lián)時(shí)診斷困難的問(wèn)題。其整體概況如下：利用貝葉斯網(wǎng)絡(luò)的有向無(wú)環(huán)圖的特征建立數(shù)據(jù)模型，即通過(guò)有向無(wú)環(huán)圖來(lái)描述故障之間的耦合關(guān)系；在定量的表述診斷知識(shí)點(diǎn)時(shí)，選用Noisy-OR 與Noisy-AND 結(jié)合使用的方法分析各關(guān)聯(lián)對(duì)象之間的關(guān)聯(lián)強(qiáng)度，并將其設(shè)作為噪聲參數(shù)，然后通過(guò)校驗(yàn)參數(shù)影響下的故障發(fā)生概率來(lái)描述潤(rùn)滑系統(tǒng)的歷史運(yùn)行狀況。首先進(jìn)行任務(wù)分類拆分工作，即將潤(rùn)滑系統(tǒng)的故障診斷工作按照故障類型分組并輸出各組的診斷子任務(wù)。然后使用經(jīng)典樹(shù)型數(shù)據(jù)結(jié)構(gòu)創(chuàng)建故障樹(shù)模型，并用其分析上述各子任務(wù)的關(guān)聯(lián)故障和故障征兆之間的耦合關(guān)系。在模型的應(yīng)用方面，按照故障類型將診斷潤(rùn)滑系統(tǒng)故障的任務(wù)分解為多項(xiàng)子任務(wù)。對(duì)于各子任務(wù)，利用故障樹(shù)模型分析故障與征兆及多故障間的耦合關(guān)系，并最終轉(zhuǎn)化為貝葉斯網(wǎng)絡(luò)模型的數(shù)據(jù)結(jié)構(gòu)。

在分解診斷任務(wù)的階段，基于對(duì)潤(rùn)滑系統(tǒng)的結(jié)構(gòu)組成和工作原理等知識(shí)做了準(zhǔn)確的學(xué)習(xí)和了解，將診斷任務(wù)分解，即將整體的故障診斷工作分解為診斷油壓異常、診斷油溫異常、診斷潤(rùn)滑消耗異常、診斷高油壓高油溫綜合性異常4個(gè)子任務(wù)。對(duì)于診斷高油壓高油溫綜合性異常任務(wù)，再將其細(xì)分為診斷油壓或油溫過(guò)低和診斷油壓或油溫過(guò)高兩個(gè)再次級(jí)子任務(wù)。以處理診斷油壓過(guò)低的子任務(wù)為例，將歷史數(shù)據(jù)中相關(guān)的故障信息歸類到該模型中，使用事件樹(shù)存儲(chǔ)設(shè)備運(yùn)行的各個(gè)階段，以事件是否發(fā)生作為邏輯門(mén)開(kāi)關(guān)，引導(dǎo)模型決策的前進(jìn)路線。例如，預(yù)供油泵在柴油機(jī)啟動(dòng)后即停止工作，因此預(yù)供油泵故障可能會(huì)導(dǎo)致柴油機(jī)啟動(dòng)前油壓過(guò)低，但不會(huì)導(dǎo)致設(shè)備啟動(dòng)后的進(jìn)油壓力。通過(guò)故障樹(shù)模型，則可以清晰地識(shí)別出故障的傳播過(guò)程和關(guān)系（圖1）。

圖1 柴油機(jī)潤(rùn)滑系統(tǒng)故障樹(shù)模型

建立潤(rùn)滑系統(tǒng)的網(wǎng)絡(luò)模型工作包括構(gòu)建拓?fù)浣Y(jié)構(gòu)和設(shè)定概率參數(shù)兩個(gè)部分。，分解診斷任務(wù)和建立子任務(wù)的故障樹(shù)模型，即用于向貝葉斯網(wǎng)絡(luò)傳遞分析數(shù)據(jù)源以構(gòu)建拓?fù)浣Y(jié)構(gòu)。在描述故障時(shí)，為其擴(kuò)展定義出無(wú)效、不發(fā)生和發(fā)生3種狀態(tài)。以無(wú)效狀態(tài)為例，該狀態(tài)值表示當(dāng)前事件的發(fā)生與否不會(huì)影響到其上層節(jié)點(diǎn)，因此在柴油機(jī)啟動(dòng)前的事件樹(shù)中，預(yù)供油泵故障的狀態(tài)是無(wú)效的。

當(dāng)實(shí)際業(yè)務(wù)數(shù)據(jù)量有限且仿真測(cè)試數(shù)據(jù)質(zhì)量不高時(shí)，可以通過(guò)故障占比的方式計(jì)算故障概率。這種方式較適用于大多數(shù)中小型企業(yè)對(duì)于智能故障診斷系統(tǒng)的需求。其中，定義模型參數(shù)和設(shè)定合理的參數(shù)值，在計(jì)算先驗(yàn)發(fā)生概率中起著關(guān)鍵的作用。在電路程序中，事件發(fā)生或者不發(fā)生的概率值為1或0；但現(xiàn)實(shí)世界中的故障與其征兆之間的關(guān)系常會(huì)受到多種因素影響而存在不確定性。而通過(guò)noisy-OR（AND）模型存儲(chǔ)故障及其征兆的關(guān)系強(qiáng)度，可以很大程度避免模型參數(shù)的數(shù)量，進(jìn)而減少概率計(jì)算的干擾因素，提升計(jì)算概率的貼合程度。較為典型的例子是，旁通閥和過(guò)濾器在潤(rùn)滑系統(tǒng)中是并聯(lián)關(guān)系，但過(guò)濾器堵塞時(shí)也有概率導(dǎo)致旁通閥分流能力降低，進(jìn)而影響潤(rùn)滑油供油壓降低。在單體參數(shù)影響下，通過(guò)噪聲模型分析潤(rùn)滑油進(jìn)機(jī)壓力可以體現(xiàn)出獨(dú)立部件對(duì)故障的影響能力。

4 結(jié)束語(yǔ)

與大眾對(duì)柴油機(jī)的傳統(tǒng)認(rèn)識(shí)和影響不同，世界許多國(guó)家在近些年以節(jié)能和降低污染為目標(biāo)，通過(guò)研究有效利用低質(zhì)燃油能源和非石油能源以及改進(jìn)燃料燃燒方式和過(guò)程等手段，不斷升級(jí)和變革柴油機(jī)，德國(guó)大眾TDI 柴油機(jī)即為其中的新技術(shù)產(chǎn)品。柴油機(jī)產(chǎn)品的迭代更新使其有條件不被社會(huì)進(jìn)步所逐漸遺棄，而應(yīng)用數(shù)據(jù)挖掘等現(xiàn)代化信息技術(shù)對(duì)其進(jìn)行多個(gè)方面的完善也具有實(shí)際的意義。相較于傳統(tǒng)單項(xiàng)診斷系統(tǒng)，基于數(shù)據(jù)挖掘技術(shù)的故障診斷系統(tǒng)可以清晰地呈現(xiàn)故障及其征兆之間的耦合關(guān)系和傳播過(guò)程，并對(duì)不確定的故障以人類習(xí)慣理解的概率形式進(jìn)行表達(dá)，為提高柴油機(jī)故障診斷的效率和質(zhì)量提升做出了極為有效地支持。