基于符號有向圖的汽車渦輪增壓系統故障診斷

摘要：基于符號有向圖SDG（Signed Directed Graph）的傳統故障診斷方法融入了定量推理的方法，提高了診斷精度，然而對不可測節點的處理大多采取等效刪除以及假設狀態信息擴展有效節點的方法，容易引起信息丟失和診斷效率低下的問題。結合汽車渦輪增壓系統診斷實例，針對含有不可測節點的故障傳播路徑，提出引入模糊聚類的方法，由經驗知識建立故障原因及其征兆的隸屬度矩陣，結合最大隸屬原則、閾值原則進行故障推理，得出有效的診斷方法。

關鍵詞：符號有向圖；模糊聚類；定性定量模型；

中圖分類號：TP391.9 文獻標志碼：A 文章編號： 1005-2550（2011）04-0018-04

Diagnosis of Turbo System Fault Based on SDG

XU Kun，WANG Chun-fang，PENG Ya-li，ZHU Ming

（Hefei University of Technology School of Mechanral and Automotive Engineering，Hefei 230009，China）

Abstract：The traditional SGD-based fault diagnosis method blended the quantitative reasoning methods，which has improved the precision of the diagnostic a lot. However，during the process of dealing with the unmeasured nodes，the traditional fault diagnosis mostly takes the measure of equivalent deleting or assumption on the information extension’s active nodes. These measures will easily cause the problems of information loss and low efficient in fault diagnosis. This paper will firstly do some research from the prospective of the unmeasured nodes’ propagation path and propose the method of fuzzy clustering method.Then establishing the membership matrix of failure causes and symptoms from the empirical knowledge and combining the rule of maximum membership and threshold methods. Lastly，by fault reasoning，a valid fault diagnosis method will be concluded.

Key words：signed directed graph （SDG）；fuzzy clustering；qualitative and quantitative model

SDG作為圖論的一大分支，是離散數學中普及最廣的學科之一，在實際中有著大量的重要運用。SDG是由節點和節點之間帶有方向的支路構成的網絡圖，它可以清楚地描述系統各個局部、各個變量之間相互影響的關系，此特性為研究故障傳播規律、故障源的搜索發現提供了模型依據，并成為大型復雜系統的有效描述方式［1］。本文在傳統定量SDG的基礎上，對含有不可測節點以及完全可測節點故障模式的診斷策略進行對比，提出一種綜合診斷方法。對完全可測節點故障可運用傳統定性一定量的方法進行診斷。對含有不可測節點通過引入模糊評價矩陣來進行故障診斷，實例表明本文的方法可行。

1 基于SDG綜合模型的故障診斷

1.1 SDG模型的構建

SDG由若干個節點和若干條支路（即有向邊）組成，節點表示變量，支路表示變量之間的關系。若一個變量的偏差會直接引起另一個變量的偏差，則在兩個變量對應的節點之間用支路連接起來，由起始節點（原因變量）指向終止節點（結果變量）。用“+”和“-”分別表示正作用（增強）和反作用（減弱），也可用實箭頭代表“+”，虛箭頭代表“-”。每個節點對應的變量取正常值記為“0”，偏大記為“+”，偏小記為“-”。在研究故障診斷的問題中，只有有效節點和相容通路才描述了故障的傳遞關系，所以研究的范圍就是SDG的一個子圖：原因—后果（Cause-Effect Graph，CEG），因此CE圖是一種將故障模式可視化的有效方法；故障診斷問題可以描述為搜索CE圖最大強連通支的問題［2，3］。

故障診斷推理方法中常采用的反向推理機制是在SDG已知的瞬態樣本中進行。從當前所關注的后果節點（報警節點）向可能的所有原因節點（又稱為根結點）反向探索可能且獨立的相容通路。由于反向推理機制和故障診斷機制一致，所以稱其為故障診斷模式［4］。

1.2 汽車渦輪增壓系統簡介

圖1為帶有渦輪增壓器的增壓系統，增壓器和發動機沒有直接的機械聯系，而是通過壓縮空氣來增加進氣量，實質上是一種空氣壓縮機。當發動機工作時，大氣中的空氣由空氣濾清器過濾，再經空氣流量傳感器由增壓渦輪導入進氣歧管，經過冷卻器冷卻流過節氣門進入氣缸。氣缸工作后，廢氣經旁通閥、排氣歧管推動動力渦輪工作后排出，由于動力渦輪與增壓渦輪是通過渦輪增壓器的同軸全浮動軸承連接的，故可以將廢氣慣性沖力轉化為增壓渦輪的機械能，從而壓縮空氣進入進氣歧管，提高發動機的輸出功率。當增壓壓力不足時，增壓壓力控制閥（VSV）開啟，膜片式控制閥（DV）內的受壓空氣經VSV逸出到增壓渦輪側的進氣管內。此時DV內的受壓氣體壓力小于進氣歧管壓力，DV內的膜片受壓變形減小，旁通閥開度也相應減小，廢氣繞過渦輪的旁通量減少，增壓壓力增大，反之亦然。對于廢棄渦輪增壓器技術，要注意的是渦輪與泵輪同軸相連，發動機排出的廢氣驅動泵輪，故增壓器安裝在發動機的排氣一側，所以增壓器的工作溫度很高且工作轉速非常高，可以達到每分鐘十萬轉以上。在如此高溫高速的工況下，機械滾針或者滾珠軸承無法為轉子工作，因此渦輪增壓器普遍采用全浮動軸承，由機油潤滑，還必須設置冷卻器來為渦輪增壓器降溫冷卻。對于進氣歧管絕對壓力與發動機轉速、節氣門開啟速度、冷卻液溫度、發動機是否發生爆燃等因素都有很大關系。如發動機處于怠速或者負荷較小時不需要增壓；隨節氣門的開啟，發動機轉速越高，對進氣歧管絕對壓力需要也越高，引起爆燃的可能性也就越大。

2 實例

2.1 基于SDG定性定量模型的故障搜索

由于經濟和技術條件的制約，系統內部節點無法全部監測，一部分可實時測量的節點稱為可測節點集，無法直接實時測量的節點稱為不可測節點集。如實例中閥門開度無法直接測量。通過采用擴展的有效節點和相容通路對被控節點進行描述用窮舉故障模式和搜索有向圖的最大強連通支的方法去處理較理想情況下的故障搜索，可以取得預期效果［5，6］。但當系統復雜度增加、不可測節點數目較多時，假設不可測節點的狀態變量進行窮舉故障模式的方法會導致計算量過大。

本文通過構建系統SDG定性模型，根據相容通路以及反向搜索方法找出故障傳播路徑CE圖，根據定性方法確定故障源。對于故障傳播路徑上不可測節點故障的甄別，首先將故障定位到某一條傳播通路上，然后利用實踐中產生的經驗知識，結合模糊聚類分析方法中最大隸屬度原則、閾值原則進行故障診斷。此方法吸收了實踐診斷經驗，應對不可測節點和傳感器故障等診斷難題，而對于可測節點運用傳統診斷方法，構成互補優勢，提高診斷效率。

模糊聚類分析方法：建立模糊相似關系，在現實情況中故障原因集與故障征兆集并不是一一映射關系，而是一種故障對應多種征兆，一種征兆對應多種故障，它們之間的關系可以用模糊關系矩陣R來表示。

（1）首先對故障原因集Y中的某單一故障yi（i=1，2，……n）進行單故障分析，確定故障yi對于故障征兆xi（i=1，2，……n）的隸屬度：ri（ri1，ri2，……rim）。

（2）建立本系統不可測節點的故障原因Y-征兆X的模糊關系方程：

Y=X·R=（x1，x2，…，xm）·r11r12 … r1nr21r22 … r2n… … … …rm1 rm2 … rmn（1）

yj=maxx1r1 j，x2r2 j，…，xnrn j（3）

（3）根據閾值原理，將求出的故障原因集Y求算數平均后得出閾值?姿，若yj≥?姿則作為“識別可行”判斷，yj＜?姿則作為“不可識別”判斷。取出可識別值作為故障診斷結果輸出。

2.2 基于SDG的建模

首先將模型中相關零部件和傳感器說明如下：

K：空氣濾清器（可由S1監測）；

T： 渦輪增壓器；

J：節氣門（可由S5監測）；

G： 氣缸（由S3和S4監測）；

S1：空氣流量傳感器；

S2：增壓壓力傳感器；

S3：爆燃傳感器；

S4：冷卻液溫度傳感器；

S5：節氣門位置傳感器；

V1：增壓壓力控制電磁閥；

V2：膜片式控制閥；

V3：旁通閥；

L：冷卻器。

按照系統工作原理及診斷經驗寫出系統影響方程如下：

根據實際工作中出現的故障情況，測得節點信號狀態情況見表1。

2.3 故障診斷綜合方法分析

對于此模式的情況，刪除正常信號節點化簡SDG見圖3。

由圖3得：+S3?鄺+S4，構成相容通路。故障確定為發動機冷卻系統，結合穩態增益的方法建立隸屬度函數，得出解集。若冷卻系統工作正常，可將S3和S4合成為節點G，繼續運用上述方法判斷。圖中含有兩個環路，利用撕裂運算打開環路，并從故障節點反向搜索，由于部分節點不可測，無法判斷相容通路，故只能得出故障傳播路徑：

G?鄺T?鄺V3?鄺V2?鄺V1（5）

故障隱含在此條路徑上任意一個節點處，如不可測節點可刪除，則按照穩態增益的方法求解［8］；若不可測節點無法刪除，引入本文所提出的方法：根據故障路徑節點和實際故障征兆，在渦輪增壓系統故障征兆集合中篩選出屬于本故障的征兆集合，由經驗資料和機理分析建立表2。

從而得出故障原因y4為主要故障源，首選檢修氣缸。

3 結論

（1）傳統的定性和定量方法均在假定節點可測、不可測節點可等效刪除和假設不可測節點狀態的條件下進行，雖然取得較好效果，但是適應性不強，診斷效率不高，更會遺漏關鍵信息。

（2）含有不可測節點的故障診斷，無法構建CE圖的故障路徑，采用本文提出的方法可有效解決，對于可測節點的故障診斷采用傳統方法引入增益的知識，構建隸屬度函數。本文融合了以上兩種方法，可以較全面解決復雜系統故障診斷的問題，本文所提方法已在項目中運用，有待進一步驗證和改進。

參考文獻：

［1］ J.邦詹森，G.古廷.有向圖的理論、算法及其應用［M］.科學出版社，2009.

［2］ 吳重光，夏濤，張貝克. 基于符號定向圖（SDG）深層知識模型的定性仿真［J］.系統仿真學報，2003，15（10） ：1351 -1355.

［3］ Loo C，N Secord. Computer models for fading channels with applications to digital transmission ［J］. IEEE Transactions on Vehicular Technology （S0018-9545），1991，40（4）： 700-707.

［4］ 吳重光，夏迎春，納永良，張衛華，張貝克. 定性仿真與人工智能的關系及計算機化解法體系［J］.系統仿真學報，2010，22（2） ：306 - 312.

［5］ 佟 鵬，曹文亮，王玉清，等. 一種有效診斷電站熱力系統故障源位置的算法［J］.系統仿真學報，2006，18（7） ：1991-1994.

［6］ Yi-song Liu. Modeling and simulation of a Ka-band DBPSK/DQPSK mobile satellite channel ［J］. International Journal of Satellite Communications （S0737-2884），1995，13（3）： 199-206.

［7］ 沈慶根，鄭水英.設備故障診斷［M］.化學工業出版社，2006.

［8］ 曹文亮，王兵樹，馬良玉，張冀. 基于SDG推理規則和定量分析的故障診斷技術［J］.熱能動力工程2005，20（6）：619-623.