[發明專利]一種基于多傳感器模糊評估的發動機氣缸故障預測方法

有效

• 申請號: 202110976954.6
• 申請日: 2021-08-24
• 公開（公告）號: CN113689038B
• 公開（公告）日: 2023-05-26
• 發明（設計）人: 李永波;楊玉龍;喬彬;王欣悅;李霓;布樹輝;鄧子辰;張凱;賈思詳;孫丁一
• 申請（專利權）人: 西北工業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/0639;G06N3/006;G06F17/18;G06F17/16;G01M15/00;G01M13/00
• 代理公司: 西安銘澤知識產權代理事務所(普通合伙) 61223
• 代理人: 耿路

1.一種基于多傳感器模糊評估的發動機氣缸故障預測方法，其特征在于，包括：

實時獲取發動機工作時的振動信號、其中一個氣缸的上止點位置信號；

對所述振動信號進行變分模態分解，基于粒子群算法對影響變分模態分解的影響參數K和α進行優化，獲取最佳影響參數K和α，基于最佳影響參數K和α對振動信號進行變分模態分解，輸出最佳振動信號；

根據所述一個氣缸的上止點位置信號確定出氣缸的一個工作周期；

根據所述氣缸的工作周期，確定氣缸的三個振動階段；

利用冒泡法找出三個振動階段中氣缸缸蓋振動的峰值，根據最佳振動信號計算缸蓋振動的有效值；

將缸蓋振動的峰值，缸蓋振動的有效值作為指標因素，根據指標因素對柴油機氣缸系統的健康狀態進行模糊綜合評估；

對所述振動信號進行變分模態分解，基于粒子群算法對影響變分模態分解的影響參數K和α進行優化，獲取最佳影響參數K和α的方法為：

對振動信號進行變分模態分解，獲取多個IMF分量信號；

對多個IMF分量信號進行包絡譜分析，獲取每個IMF分量信號的對應的包絡熵值；

根據每個IMF分量信號對應的包絡熵值確定所有IMF分量信號中的全局極小熵值；

根據全局極小熵值輸出對應的影響參數K和α，對應的影響參數K和α即為最佳影響參數；

根據每個IMF分量信號的包絡熵值確定所有IMF分量信號中的全局極小熵值的方法為：

將每個IMF分量信號的對應的包絡熵值作為各粒子的適應度值；其中，IMF分量信號的個數即為粒子的個數；

更新各個粒子的位置，并計算各個粒子每次更新位置后各個的粒子適應度值，確定同一粒子更新位置后的適應度值和更新前的適應度值進行比較，獲取這兩個適應度值中小的適應度值作為局部極小熵值，將所有粒子的局部極小熵值進行比較，獲取其中最小的局部極小熵值即為全局極小熵值；

根據所述一個氣缸的上止點位置信號確定出氣缸的一個工作周期的方法為：

根據采集到的上止點位置信號，對上止點位置信號進行處理，得到多個數據，其中所述數據中的最高值與最低值之間選擇一個中間數，以中間數作為判斷氣缸的一個工作周期的起點和終點；

將獲取的一個周期的上止點信號點數除以氣缸工作一個周期曲軸轉過的角度得到每個角度對應的上止點信號點數，根據上止點信號點數和各活塞桿的相位角得出各氣缸的上止點位置；

確定氣缸的三個振動階段的方法：

根據其中一個氣缸壓力繪制氣缸工作階段的時序圖；

根據時序圖對應的振動信號得出排氣閥關閉激勵的峰值大于燃燒激勵的振動峰值，將氣缸的三個振動階段區分為進氣閥關閉激勵振動階段、排氣閥關閉激勵振動階段、燃燒激勵振動階段；

根據指標因素對柴油機氣缸系統的健康狀態進行模糊綜合評估的方法為：

根據氣缸系統的當前值，當前值包括缸蓋振動峰值、缸蓋振動的有效值，結合氣缸系統健康狀態等級的量化模型，得出多參數的等級量化矩陣即將缸蓋振動峰值代入良好、基本正常、故障三個隸屬度函數，可以計算出三個值r₁₁,r₁₂,r₁₃，也就是當前氣缸系統的健康狀態隸屬于良好、基本正常和故障的程度分別為r₁₁,r₁₂,r₁₃；由缸蓋振動的有效值參數評估氣缸系統的健康狀態隸屬于良好、基本正常、故障的程度為r₂₁,r₂₂,r₂₃；

根據缸蓋振動峰值、缸蓋振動的有效值，確定缸蓋振動峰值、缸蓋振動的有效值的權重W，權重用權向量W＝(w₁,w₂)表示，其中，權向量W的確定可以由專家直接給出或者通過層次分析法確定；

根據重系數向量W和多參數量化矩陣R，利用下式(2)計算氣缸系統健康狀態的模糊綜合評價結果向量B：

其中，當前氣缸系統的健康狀態隸屬于良好、基本正常和故障的情況依次為b₁,b₂,b₃。