船用柴油機(jī)故障診斷多信息融合技術(shù)研究

林凌海 吳晶 葉翠安

（廣東交通職業(yè)技術(shù)學(xué)院，廣州 510800）

0 引言

船用柴油機(jī)的工作過(guò)程[1]是復(fù)雜的，其故障診斷[2]信息也是復(fù)雜的。單個(gè)傳感器只能獲取局部的信息。對(duì)于現(xiàn)代船用柴油機(jī)，需要采用多種傳感器來(lái)獲取不同種類(lèi)、不同狀態(tài)的信息。這些信息彼此之間相互獨(dú)立或耦合，甚至?xí)霈F(xiàn)彼此矛盾的情況[3]。協(xié)同使用多種傳感器并將各種傳感信息有效地結(jié)合起來(lái)，形成高性能感知系統(tǒng)來(lái)獲取對(duì)環(huán)境的一致性描述的過(guò)程。迄今為止，沒(méi)有任何一種傳感器能夠完全同時(shí)滿(mǎn)足高可靠性、高穩(wěn)定性、高精度和低成本的要求。但是各種傳感器性能上的差異與互補(bǔ)性卻提示我們通過(guò)綜合分析來(lái)自各個(gè)傳感器的信息，獲取有效、可靠、完整的信息[4]。采用這種方法，即使各個(gè)傳感器所提供的信息有一定的誤差和不確定性，但通過(guò)對(duì)它們提供的信息進(jìn)行有效的綜合，可以比任何單一傳感器獲取的信息更可靠、更完整[5]。因此多傳感器信息融合技術(shù)具有很大的應(yīng)用價(jià)值和廣泛的應(yīng)用范圍。

“信息融合”一詞于20世紀(jì)70年代初由美國(guó)最早提出。由于該技術(shù)在軍事上的重要性，立即引起了世界范圍內(nèi)的普遍關(guān)注。目前在美、英、日、德等國(guó)已開(kāi)發(fā)出了一些實(shí)用的系統(tǒng)，其某些成果在1991年的海灣戰(zhàn)爭(zhēng)中得到了實(shí)踐驗(yàn)證，取得了較理想的結(jié)果。

船用柴油機(jī)工作過(guò)程故障由于系統(tǒng)結(jié)構(gòu)的復(fù)雜性，各機(jī)構(gòu)運(yùn)動(dòng)的非線(xiàn)性，如用確定的線(xiàn)性解析模型診斷是不可能的[6]。傳統(tǒng)的基于單傳感器診斷又由于故障與癥兆之間的不確定性而導(dǎo)致其診斷結(jié)果的不確定性。為了解決這種非線(xiàn)性和不確定性，應(yīng)用多傳感器的信息融合技術(shù)和模糊邏輯推理方法是一條有效的途徑。

多傳感器系統(tǒng)是信息融合的物質(zhì)基礎(chǔ)，實(shí)現(xiàn)多傳感器信息融合要靠要各種具體的融合方法的實(shí)現(xiàn)。目前發(fā)展起來(lái)的信息融合方法有加權(quán)平均法、貝葉斯法、D-S證據(jù)法、神經(jīng)網(wǎng)絡(luò)和糊理論法、產(chǎn)生式規(guī)則法、卡爾曼濾波法等。在不同的場(chǎng)合，根據(jù)實(shí)際情況選用不同的方法。到目前為止，還沒(méi)有通用的信息融合方法[7]。

1 材料與方法

1.1 BP神經(jīng)網(wǎng)絡(luò)理論

人工神經(jīng)網(wǎng)絡(luò)具有的容錯(cuò)、聯(lián)想、推理、記憶、自學(xué)習(xí)和處理多模式等功能。網(wǎng)絡(luò)的推理信息包含在各網(wǎng)絡(luò)層之間的連接權(quán)值中，這些權(quán)值的作用就是將輸入向量映射到輸出向量。網(wǎng)絡(luò)中的每個(gè)一節(jié)點(diǎn)只能從左邊層的節(jié)點(diǎn)接受輸入，且只能將它的輸出送到右邊層的節(jié)點(diǎn)。網(wǎng)絡(luò)中的每一個(gè)節(jié)點(diǎn)都進(jìn)行如下兩種運(yùn)算：

式中，j代表正在進(jìn)行計(jì)算的網(wǎng)絡(luò)層，I代表正在進(jìn)行計(jì)算的網(wǎng)絡(luò)層，I代表左邊的網(wǎng)絡(luò)層；ω點(diǎn)的輸出，cj代表節(jié)點(diǎn)內(nèi)部的閾值。網(wǎng)絡(luò)中的連接權(quán)值 ωij和閾值 cj要通過(guò)學(xué)習(xí)得到，當(dāng)神經(jīng)網(wǎng)絡(luò)的非線(xiàn)性函數(shù)是 Sigmod形，根據(jù)網(wǎng)絡(luò)各節(jié)點(diǎn)之間的連接關(guān)系，可以得到網(wǎng)絡(luò)的權(quán)系數(shù)和閾值的迭代方程為：

式中，對(duì)于隱層：

1.2 柴油機(jī)故障實(shí)驗(yàn)和特征提取

在型號(hào) GN8320ZC4B船用柴油機(jī)上設(shè)置五種工作過(guò)程故障：即供油提前角提前（上止點(diǎn)前25°CA）、供油提前角滯后（上止點(diǎn)前 12°CA）；霧化不良；進(jìn)氣不足；氣缸漏氣。

用B&K加速度傳感器測(cè)取8個(gè)氣缸的缸蓋振動(dòng)信號(hào)，應(yīng)用夾持式壓力傳感器測(cè)取高壓油管壓力信號(hào)，對(duì)振動(dòng)信號(hào)利用載荷識(shí)別技術(shù)，識(shí)別出氣缸壓力并撮兩個(gè)特征值，Pmax-最大氣缸壓力，φpmax-最大壓力角（最大壓力點(diǎn)到上止點(diǎn)的曲軸轉(zhuǎn)角），振動(dòng)信號(hào)三個(gè)特征值，低階小波包序列中段能量E1，中階小波包序列后段能量E2，中階小波包序列前段能量 E3，其中 E1反映了振動(dòng)信號(hào)特征頻帶為0-2.5 kHz，時(shí)間由燃爆響應(yīng)開(kāi)始到結(jié)束這個(gè)范圍內(nèi)的能量，即由缸內(nèi)燃燒氣體壓力產(chǎn)生的低頻激振能量。E2反映了振動(dòng)信號(hào)特征頻帶為 2.5-8.75 kHz，時(shí)間由燃爆響應(yīng)開(kāi)始到結(jié)束這個(gè)范圍內(nèi)的能量，即由缸內(nèi)燃燒氣體壓力產(chǎn)生的高頻激振能量。E3反映了振動(dòng)信號(hào)特征頻帶為3.75-8.75 kHz，時(shí)間由噴油器落座沖擊開(kāi)始到結(jié)束點(diǎn)這個(gè)范圍內(nèi)的能量，即由噴油器針低落座沖擊產(chǎn)生的高頻激振能量；燃油壓力波形，也選取三個(gè)特征參數(shù)，最大油壓 Pymax，噴油提前角 αp（開(kāi)始噴油點(diǎn)到上止點(diǎn)的曲軸轉(zhuǎn)角）。脈沖因子If。其中為油壓信號(hào)。六種狀態(tài)下的八個(gè)特征值如表1所示。

2 多傳感器信息融合神經(jīng)網(wǎng)絡(luò)診斷

把反映船用柴油機(jī)工作過(guò)程故障三種信號(hào)的八個(gè)特征值，按正常和五種故障狀態(tài)的構(gòu)造學(xué)習(xí)樣本文集和檢驗(yàn)樣本文集，對(duì)輸入進(jìn)行歸一化處理，把輸出確定成[0，1]矩陣，100000，0100000，……000001分別代表正常狀態(tài)、供油提前角提前（上止點(diǎn)前 25°CA）、供油提前角滯后（上止點(diǎn)前 12°CA）、霧化不良、進(jìn)氣不足、氣缸漏氣等六種狀態(tài)，將學(xué)習(xí)樣本輸入一個(gè)8*5*8的BP網(wǎng)絡(luò)，進(jìn)行訓(xùn)練學(xué)習(xí)，在獲得穩(wěn)定的樣本統(tǒng)計(jì)個(gè)數(shù)情況下，單傳感器和多傳感器信息融合識(shí)別結(jié)果如表2所示。表中診斷結(jié)果是檢驗(yàn)樣本的識(shí)別率。其識(shí)別率公式為：

從表2可以看出，各故障的識(shí)別率為100%，而且不管故障程度是嚴(yán)重還是較輕，它都能準(zhǔn)確識(shí)別，如進(jìn)氣不足這樣的故障，我們只是用堵住一部分進(jìn)氣門(mén)的方法模擬，它都能與正常狀態(tài)及漏氣狀態(tài)準(zhǔn)確識(shí)別開(kāi)來(lái)。這充分說(shuō)明了多傳感器信息融合神經(jīng)網(wǎng)絡(luò)故障診斷的有效性和準(zhǔn)確性。

表1 六種狀態(tài)下八個(gè)特征值

表2 單傳感器與多傳感器神經(jīng)網(wǎng)絡(luò)診斷結(jié)果對(duì)比

3 結(jié)論

1）基于單類(lèi)傳感器信息的船用柴油機(jī)工作過(guò)程故障診斷，由于船用柴油機(jī)工作過(guò)程的復(fù)雜性，使用單傳感器反映故障的模糊性必然導(dǎo)致診斷的不確定性。

2）多傳感器信息的故障診斷，由于不同傳感器信息具有冗余性和互補(bǔ)性，信息融合后的故障識(shí)別率明顯提高。

3）基于神經(jīng)網(wǎng)絡(luò)的信息融合方法適合于對(duì)船用柴油機(jī)工作過(guò)程故障的診斷，明顯提高了診斷過(guò)程的準(zhǔn)確性和智能化。

[1]劉嘉, 黃英, 黃千等. 基于SAE J1939協(xié)議的船用柴油機(jī)虛擬儀表及故障診斷系統(tǒng)開(kāi)發(fā)[J]. 汽車(chē)技術(shù),2007(6): 93-97.

[2]尚喆, 許鎮(zhèn)琳, 王豪等. 基于神經(jīng)網(wǎng)絡(luò)的電動(dòng)轉(zhuǎn)向系統(tǒng)助力特性研究[J]. 汽車(chē)工程, 2004, (03):125-128.

[3]陳斌. 基于 S3C4510B型微處理器的最小系統(tǒng)設(shè)計(jì)[J]. 國(guó)外電子元器件, 2006,(03)：132-136.

[4]過(guò)錫雋. 汽車(chē)電控系統(tǒng) J1939協(xié)議和診斷通信模塊的開(kāi)發(fā)[D]. 浙江大學(xué)碩士學(xué)位論文.杭州：2006 .

[5]王偉, 吳珂, 趙云峰. 軍用電控汽車(chē)故障自診斷系統(tǒng)開(kāi)發(fā)設(shè)想[J]. 專(zhuān)用汽車(chē), 2005, (03): 56-60.

[6]吳金林, 翁維熊. MVC—2M故障診斷系統(tǒng)通過(guò)部級(jí)成果鑒定[J]. 船舶工程 , 1992,(01)：74-77.

[7]劉桂雄, 方曉東, 易靜蓉, 馮云慶. 以太網(wǎng)智能測(cè)控系統(tǒng)中虛擬儀表軟件的實(shí)現(xiàn)[J]. 華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版), 2003, (12): 93-97.