[發明專利]一種機理數據融合的柴油機渦輪增壓器故障檢測方法

有效

• 申請號: 202010578078.7
• 申請日: 2020-06-23
• 公開（公告）號: CN113833567B
• 公開（公告）日: 2022-07-26
• 發明（設計）人: 楊瑩;何志晨;王嘉
• 申請（專利權）人: 北京大學
• 主分類號: F02B77/08
• 分類號: F02B77/08
• 代理公司: 北京萬象新悅知識產權代理有限公司 11360
• 代理人: 黃鳳茹

1.一種機理數據融合的柴油機增壓器故障檢測方法，建立渦輪增壓器關鍵性能指標，通過基于典型相關分析CCA或LQ分解的關鍵性能指標KPI建模方法辨識模型，進行柴油機增壓器故障的在線檢測；包括如下步驟：

1)建立渦輪增壓器關鍵性能指標KPI，關鍵性能指標用于表示船用柴油機渦輪增壓器的運行狀況；包括如下過程：

11)構造渦輪增壓器的效率公式，表示為(式1)：

其中，T、P分別表示渦輪增壓器所處工作狀態的溫度和壓強；下標1、2、3、4分別表示渦輪增壓器壓氣機進氣端、壓氣機排氣端、渦輪機進氣端、渦輪機排氣端；R_g-t和R_g-c分別表示渦輪機和壓氣機的工質氣體常數；f_t和f_c分別表示渦輪機和壓氣機的單位時間內的工質的質量流量；α_t和α_c分別為渦輪機和壓氣機對應工質的恒壓比熱容和恒容比熱容的比值；

12)獲取參數經驗值，計算得到

其中，空氣的理想氣體常數是287J/(kg·K)，氮氣的理想氣體常數是296.8J/(kg·K)；

13)計算得到進氣的恒壓比熱容c_air和排氣的恒壓比熱容c_exh：

其中，c_air和c_exh為壓氣機和渦輪機的平均進氣溫度下的對應值；

14)計算得到比熱容比例關系如下：

根據渦輪增壓系統的經驗公式：得到基于經驗參數的效率η_eff，表示為(式2)：

其中，G₁和G₂分別為壓氣機和渦輪機的增壓壓力比；

2)根據機理選擇KPI的相關變量；

根據故障檢測或性能檢測的不同需求，獲取KPI的相關變量，包括：主機增壓器轉速、軸功率、主機負載、渦輪機和壓氣機在進氣端的溫度、進氣端的壓強、排氣端的溫度、排氣端的壓強中的多個；

3)基于數據驅動的方法對KPI進行建模預測和殘差計算，實現對增壓器工作的動態過程KPI的檢測；

3a)針對于單一工況穩態運行下的柴油機增壓器故障檢測性能，采用基于典型相關分析CCA的關鍵性能指標(KPI)建模方法；

給定關鍵性能指標Θ∈R^l×N和相關變量X∈R^m×N兩組變量，其中l和m表示數據維度，L表示數據長度；假設兩組變量服從如下分布：

其中，E()和Σ分別表示均值和方差；

假設兩組變量存在映射拓撲關系，噪聲為服從高斯分布零均值白噪聲，表示為如下模型：

其中，M矩陣為SVD分解得到線性投影矩陣，N矩陣為最小二乘辨識得到的系數矩陣，E為辨識的誤差；

辨識KPI與相關變量間的線性映射關系表示為：

Θ＝NM^TX

構造數據結構形式表示為(式3)：

構建協方差矩陣用于得到線性相關程度高的投影算子；

再估計Θ和X的方差，表示為：

對協方差矩陣進行奇異值分解，得到投影矩陣M：

其中，n表示奇異值由大到小取n個對應的序號；σ表示奇異值；

取Θ前l列，并用最小二乘方法進行辨識，得到系數矩陣N：

基于辨識模型預測估計θ的值，得到估計值表示為：

再與實測值做差，得到相應的殘差，表示為式4：

r(k)＝θ(k)-NM^Tx(k).(式4)

3b)針對于多工況運行下的全程狀態的柴油機增壓器故障檢測性能，采用基于LQ分解的關鍵性能指標KPI建模方法；

設增壓器的動力學用如下線性時不變方程描述：

其中，x(k)∈Rⁿ為系統狀態變量，u(k)∈R^m和y(k)∈R^l表示增壓器的工作指標，即相關變量；w(k)∈Rⁿ和v(k)∈R^l為對應獨立分布的零均值高斯噪聲，且滿足：

E[w(k)]＝0,E[v(k)]＝0,

且

KPI與其相關變量的模型表示為：其中，F,G_u和G_y為對應的系數矩陣，η(k)為對應的高斯白噪聲；

將u(k)和y(k)聯合為變量z＝[u(k)^T,y(k)^T]^T∈R^l+m；采用卡爾曼濾波器進行預測，表示為：

其中，A_K＝A-KC,B_K＝[B-KD K],G_K＝[G_u G_y]；K為卡爾曼增益矩陣；

利用(式3)的數據驅動的結構，根據其中變量的迭代，推出：

其中，

將狀態變量的估計表示為：

其中，p為在卡爾曼濾波器中使的常數；

KPI模型的參數矩陣則表示為(式5)：

Θ_k,s(k)≈Γ_sL_pZ_k-s,p+T_sZ_k,s(k)+H_k,s，(式5)其中，H_k,s為對應噪聲矩陣；

采用基于LQ分解的子空間辨識，表示為:

即得到濾噪效果好且更魯棒的KPI模型，模型參數為Θ_k,s，表示如下：

與(式5)中參數的對應關系表示為：

則預測得到KPI預測值，表示為：

計算得到KPI均值KPI均值指示正常狀態下的性能；

再根據(式6)計算得到殘差：

4)根據3a)或3b)得到的相應的殘差，基于檢驗統計的方法進行故障檢測；包括如下過程：

4a)利用Hotelling T²檢驗統計量和KPI的殘差進行閾值設計和故障決策邏輯設計；

對于單一工況穩態運行下的柴油機增壓器故障檢測，包括如下過程：

4a1)基于(式4)構建與KPI相關的檢驗統計量為：

4a2)對方差進行估計如下：

E＝Θ_f-NY

4a3)置信水平為α的故障檢測閾值設置為：

其中，F_α為服從自由度為n和L-n自由度的F分布；

4a4)則置信水平大于1-α概率的故障檢測的情況包括：

當時，檢驗統計量超出檢測閾值，表示故障發生使KPI或相關變量異常；當時，KPI與相關變量沒有異常，表示無故障發生；

4b)對于多工況運行下的全程狀態的柴油機增壓器故障檢測，包括如下過程：4b1)基于(式6)構建與KPI相關的檢驗統計量：

4b2)對方差估計如下：

其中，采用基于LQ分解的參數計算R_k,s，表示為：

式中，表示矩陣的克羅內克積運算；

4b3)將置信水平為α的故障檢測閾值設置為：

其中，為分位點為α的卡方分布值；

4b4)置信水平大于1-α概率的故障檢測的情況包括：

當時，檢驗統計量超出檢測閾值，表示故障發生使KPI或者相關變量發異常；當時，KPI與相關變量沒有發生異常，表示無故障發生；

通過上述步驟，實現機理數據融合的柴油機增壓器的故障檢測。