基于虚拟仪器的发动机故障诊断系统的研究

作者 陈雷1 杨丽娟2 1.西安工业大学 计算机学院(陕西 西安 710032) 2.西安工业大学 北方信息工程学院(陕西 西安 710200)

*基金项目：陕西省教育厅专项科研计划项目(编号：2010JK595)

陈雷(1980-)，男，硕士，讲师，研究方向：计算机控制，故障诊断。

摘要：柴油发动机维修费用很大，对于产生故障的发动机，找出其原因并有效地排除故障具有十分重要的意义。本文主要介绍了柴油发动机的主要故障以及故障树诊断的方法、步骤，再运用故障树分析法对柴油机供油系统故障做出系统全面地分析。在系统的分析之后，用LabVIEW平台模拟柴油发动机故障诊断系统，对模拟故障进行诊断，诊断结果通过人机界面输出，从而实现了故障诊断的智能化。

引言

柴油发动机一般工作在高温、高速、强振动、大应力的恶劣环境下，发动机的工作状态经常变换，承受变载荷，对安全性与可靠性要求极高。柴油发动机结构复杂，工作条件恶劣，使得发动机故障率较高，维修保养费用很大。据统计，发动机各种使用费用中，维修保养费就占了15%～30%，而且，一旦出现故障，发动机的动力性、经济性、可靠性、安全性都会受到很大的影响，甚至会直接影响到发动机的使用寿命。对于发生了故障的柴油机，快速地找出故障发生的原因，并根据故障发生的原因来有效地排除故障，从而保障动力装置能够正常、平稳地运行。

1 柴油发动机故障诊断方法

故障诊断方法可以分为基于模型的方法、基于信号处理的方法和基于知识的方法。基于模型的方法需要建立比较准确的数学模型，基于信号处理的方法需要利用频谱分析、相关分析、小波分析等各种方法，基于知识的方法主要是利用诊断对象信息、专家诊断知识等。

由于信息处理技术的发展和新型传感器的应用，柴油发动机的监测数据越来越多。用于状态监测与故障诊断的有用信息以各种形式存在于信息载体中，在发动机故障诊断过程中，可以获取发动机的负荷程度、功率、转速、燃油温度、燃油消耗率、滑油消耗量、滑油温度、滑油压力、冷却液温度、冷却液压力、增压器压力、增压器转速、排气温度、进气温度、进气压力和光谱数据等参数的实时数据和历史数据，通过这些参数的监测可以对发动机的故障进行准确的诊断。本文采用了基于故障参数加权可信度的故障树诊断方法。

2 实时获取参数的加权可信度

在系统进行故障诊断时，获取了实时的故障参数，而后诊断传感器采集的参数数值进行判断，但是在利用这些参数进行数据融合时，没有考虑到此时传感器采集的数据是否可信。如果此时采集的数据是不可信的，对于最后的诊断结果会产生误差，所以本文提出了加权可信度的方法，利用传感器获取的历史数据来计算此时数据的可信度。

假设在某一时刻t获得了传感器的采集某参数的数据X_t，在这个时刻的之前第t-△t获得采集数据X_t-△t，数据服从高斯分布，以它们的高斯曲线作为传感器的特性函数，记为P_t(x)、P_t-△t(x)。

用置信距离测度反映P_t(x)和P_t-△t (x)之间的偏差大小，设：

其中：

d_ti表示t时刻数据与t-Δt时刻数据的置信距离测度，借助误差函数erf(θ)，求得：

假设r₁表示x_t-Δt对x_t的支持程度，则r₁应该为置信距离测度d_ti的函数，并且d_ti越大，r₁越小，根据实际情况可以设置时间间隔Δt，从而获得多个r_i。

r_i=f(d_ti)

r_i是单调下降的函数，且0≤r_i ≤10。

则在某时刻的数据x_t，存在一个一维支持矩阵R=[r₁ r₂ r₃…… r_n]。

x_t的真实支持程度应该由r₁ ，r₂ ，r₃…… r_n的综合支持程度体现，设x_t的综合支持程度为r_i，r_i越大，x_t的可靠性越高，则rⁱ应满足下面条件：

由于与t时刻的数据越近的置信度越高，所以针对不同的时间间隔，分配不同的权重系数a1，a2，a3…… an。

R=r₁a₁+ r₂a₂+ r₃a₃……r_na_n

写成矩阵形式如下：

r=Ra

其中a=[a₁，a₂，a₃……a_n]^T，r就是t时刻该参数此时数据的可信度权值。利用本方法就可以针对所有要进行诊断的参数数据进行可信度权值的计算，计算后就产生了所有诊断参数的权值矩阵：。

之后利用根据先验知识设置的各参数置信权值限矩阵进行比对，如果采集的参数的可信度没有达到置信权值限，则认为此时的数据不可信就可以不将此参数作为故障诊断的输入。如此操作后，可以将诊断的所有输入参数统一进行加权可信度的分析，从而剔除了不可信的参数，使得最后的诊断结果更加准确。

3 仿真实验结果

本文以柴油发动机的凸轮轴磨损故障为例进行实验验证，该故障树如图2所示。

其数据型参数的参考数值范围如表1所示。

首先测量出该故障的故障参数的数值如下：

排气冒黑烟，光谱数据发生变化。每个参数的先验权值设为16.