基于分形特征和神經(jīng)網(wǎng)絡(luò)的柴油機(jī)故障診斷

楊 濤，張明遠(yuǎn)，張傳武，馮海濤

（中國(guó)人民解放軍65056部隊(duì)，遼寧鐵嶺 112002）

0 引言

柴油發(fā)電機(jī)組作為后備式電源對(duì)整個(gè)供電系統(tǒng)的可靠性具有無可替代的作用，柴油機(jī)作為柴油發(fā)電機(jī)組的動(dòng)力機(jī)械，是一個(gè)完整系統(tǒng)的重要組成部分，其工作狀況的正常與否直接關(guān)系到整個(gè)系統(tǒng)的安全性和可靠性。柴油機(jī)是往復(fù)機(jī)械，其運(yùn)動(dòng)學(xué)，動(dòng)力學(xué)形態(tài)復(fù)雜多變，激勵(lì)和響應(yīng)都具有非線性。現(xiàn)在主要采用的診斷技術(shù)主要有油液分析法、熱力性能檢測(cè)法和振動(dòng)分析法等。其中振動(dòng)分析法是目前應(yīng)用較為廣泛的柴油機(jī)故障診斷方法，它是通過分析柴油機(jī)的振動(dòng)信號(hào)從而判斷柴油機(jī)是否故障。但其需要安裝大量的傳感器，并且有些傳感器的安裝會(huì)影響到機(jī)器的正常運(yùn)行[1]。

聲音能提供柴油機(jī)運(yùn)行狀況的豐富信息，具有測(cè)量方便靈活，可適用于高溫、高濕、有毒等場(chǎng)合，易于實(shí)現(xiàn)無損檢測(cè)等優(yōu)點(diǎn)。分形理論中的關(guān)聯(lián)維數(shù)是定量刻畫混沌吸引子“奇異”程度的一個(gè)重要參數(shù)，在柴油機(jī)工作過程中的非線性聲音信號(hào)分析時(shí)被廣泛地加以運(yùn)用。柴油機(jī)在不同的工作狀態(tài)下其關(guān)聯(lián)維數(shù)是不同的，本文以關(guān)聯(lián)維數(shù)為不同狀態(tài)的特征量設(shè)計(jì) BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)故障診斷。

1 系統(tǒng)工作原理

以LabVIEW為平臺(tái)，結(jié)合MATLAB混合編程，開發(fā)了基于分形理論的柴油機(jī)故障診斷虛擬儀器系統(tǒng)，通過采集柴油機(jī)工作時(shí)的聲音信號(hào)，計(jì)算在不同轉(zhuǎn)速條件下信號(hào)的關(guān)聯(lián)維數(shù)，不同故障對(duì)應(yīng)不同的關(guān)聯(lián)維數(shù)。用Math Script建立BP神經(jīng)網(wǎng)絡(luò)，離線對(duì) BP網(wǎng)絡(luò)進(jìn)行訓(xùn)練，從而達(dá)到通過神經(jīng)網(wǎng)絡(luò)來對(duì)柴油機(jī)運(yùn)行狀態(tài)識(shí)別和故障診斷。

2 虛擬儀器系統(tǒng)設(shè)計(jì)

本文開發(fā)了基于 LabVIEW 平臺(tái)的柴油機(jī)故障診斷虛擬儀器系統(tǒng)。硬件系統(tǒng)主要包括麥克風(fēng)、數(shù)據(jù)采集卡和計(jì)算機(jī)。結(jié)構(gòu)圖如圖1所示。

虛擬儀器軟件可實(shí)現(xiàn)對(duì)柴油機(jī)聲音信號(hào)進(jìn)行采集、顯示并存儲(chǔ)的功能。分為三部分：采集設(shè)定部分可以根據(jù)需要設(shè)定采樣率、分辨率、通道數(shù)量、持續(xù)時(shí)間四個(gè)參數(shù)；存儲(chǔ)路徑設(shè)定部分可實(shí)現(xiàn)保存采集信號(hào)的功能，可選擇TXT文本或者WAV音頻兩種格式；數(shù)據(jù)顯示部分能將采集到的信號(hào)實(shí)時(shí)顯示出來。

3 柴油機(jī)聲音信號(hào)的分形特征分析

3.1 關(guān)聯(lián)維數(shù)計(jì)算[2,3]

由于關(guān)聯(lián)維數(shù)對(duì)吸引子的不均勻性反應(yīng)敏感，更能反映吸引子的動(dòng)態(tài)結(jié)構(gòu)，而且求關(guān)聯(lián)維數(shù)的G-P算法相對(duì)簡(jiǎn)單可靠，因此關(guān)聯(lián)維數(shù)常用來描述時(shí)間序列的分形特征。

設(shè)測(cè)得的時(shí)間序列為(x1,x2,…,xN)，進(jìn)行相空間重構(gòu)，則由該時(shí)間序列形成的重構(gòu)矩陣為：

式中：N＝n-(m-1)τ，為重構(gòu)相空間的個(gè)數(shù)；m為嵌入維數(shù)；τ為時(shí)間延遲；n為時(shí)間序列點(diǎn)數(shù)。

計(jì)算矩陣中任意兩個(gè)m維向量之間的歐式距離rij，給定一個(gè)臨界距離r，把距離小于r的元素占總的元素個(gè)數(shù)的比例記為C(r)，即為關(guān)聯(lián)積分。

其中H為Heaviside函數(shù)。設(shè)u=r-|Xi-Yi|，H可表示為：

當(dāng)標(biāo)度r取得過大，所有的距離都不會(huì)超過r，關(guān)聯(lián)積分C(r)＝1，這樣的r反映不了系統(tǒng)的動(dòng)態(tài)特性；r取得過小，則幾乎所有的距離都大于r，也反映不了系統(tǒng)的特性。因此在一定范圍內(nèi)關(guān)聯(lián)積分C(r)與r有如下標(biāo)度關(guān)系：

當(dāng)r→0，N→∞時(shí)D(m)的飽和值就是關(guān)聯(lián)維數(shù)D，可由下式求出

關(guān)聯(lián)維數(shù)的計(jì)算結(jié)果對(duì)噪聲很敏感，因此在聲音信號(hào)的采集過程中必須要進(jìn)行降噪處理。可采用小波變換法或FFT變換法降噪，保留功率譜大于某一閾值的頻率成分。重構(gòu)相空間的維數(shù)選擇原則是m≥2*D+1[4]。

3.2 關(guān)聯(lián)維數(shù)特征庫建立

當(dāng)柴油機(jī)工作的轉(zhuǎn)速一定時(shí)，同一工況下十組數(shù)據(jù)的關(guān)聯(lián)維數(shù)數(shù)值很接近，波動(dòng)很??；不同工況下的關(guān)聯(lián)維數(shù)具有明顯的差別，可以作為區(qū)別故障的特征量。

通過模擬一個(gè)氣缸不供油和調(diào)整氣缸進(jìn)氣門的氣門間隙的方法共設(shè)計(jì)了三種故障，分別為：氣缸不工作；氣缸進(jìn)氣門間隙?。ㄕ?0.25 mm～0.3 mm，調(diào)整為0.1 mm）；氣缸進(jìn)氣門間隙大（調(diào)整為0.5 mm）。

在不同轉(zhuǎn)速下，每種工況都采集了 10組數(shù)據(jù)，每組數(shù)據(jù)取2000個(gè)點(diǎn)。數(shù)據(jù)的關(guān)聯(lián)維數(shù)變化區(qū)間如表1所示。

3.3 BP神經(jīng)網(wǎng)絡(luò)建立

誤差反向傳播網(wǎng)絡(luò)（Back－Propagation Neural Network，簡(jiǎn)稱BP網(wǎng)絡(luò)）是應(yīng)用最廣泛、基于BP學(xué)習(xí)算法的一種前向神經(jīng)網(wǎng)絡(luò)。BP算法是一種有導(dǎo)師的學(xué)習(xí)算法，BP學(xué)習(xí)過程可以描述如下[5]：

1)工作信號(hào)的正向傳播：輸入信號(hào)從輸入層經(jīng)隱含層，傳向輸出層，在輸出端產(chǎn)生輸出信號(hào)，這是工作信號(hào)的正向傳播。在信號(hào)的向前傳遞過程中網(wǎng)絡(luò)的權(quán)值是固定不變的，每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)。如果在輸出層不能得到期望的輸出，則轉(zhuǎn)入誤差信號(hào)反向傳播。

2)誤差信號(hào)反向傳播：網(wǎng)絡(luò)的實(shí)際輸出與期望輸出之間差值即為誤差信號(hào)，誤差信號(hào)有輸出端開始逐層向前傳播，這是誤差信號(hào)的反向傳播。在誤差信號(hào)反向傳播的過程中，網(wǎng)絡(luò)的權(quán)值由誤差反饋進(jìn)行調(diào)節(jié)。通過權(quán)值的不斷修正使網(wǎng)絡(luò)的實(shí)際輸出更接近期望輸出。

一般將具有單隱層的 BP網(wǎng)絡(luò)習(xí)慣上稱為三層 BP網(wǎng)絡(luò)，所謂三層包括輸入層、隱含層和輸出層。下圖為單隱層BP網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)。

表1 十組數(shù)據(jù)的關(guān)聯(lián)維數(shù)的變化區(qū)間

圖1 硬件平臺(tái)結(jié)構(gòu)圖

圖2 三層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

對(duì)關(guān)聯(lián)維數(shù)的變化區(qū)間分析可知，在不同轉(zhuǎn)速下，即使是相同工況計(jì)算出來的關(guān)聯(lián)維數(shù)也不相同，因此在設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)時(shí)必須考慮柴油機(jī)轉(zhuǎn)速的影響。

本系統(tǒng)采用3層BP網(wǎng)絡(luò)，對(duì)應(yīng)的輸入層為關(guān)聯(lián)維數(shù)和轉(zhuǎn)速2個(gè)節(jié)點(diǎn)，隱含層6個(gè)節(jié)點(diǎn)，輸出層為柴油機(jī)工作狀態(tài)2個(gè)節(jié)點(diǎn)。輸入層Y=[y1 y2]表示柴油機(jī)的工作狀態(tài)，當(dāng)Y=[0 0]時(shí)，表示系統(tǒng)工作正常；Y=[0 1]時(shí)，表示系統(tǒng)處于氣缸不工作故障下；Y=[1 1]時(shí)，表示系統(tǒng)處于氣缸氣門間隙小故障下；Y=[1 0]時(shí)，表示系統(tǒng)處于氣缸氣門間隙大故障下。

3 結(jié)束語

本文建立了虛擬儀器平臺(tái)，采集柴油機(jī)工作過程中的聲音信號(hào)進(jìn)行故障診斷，由于該聲音信號(hào)是非線性的，對(duì)進(jìn)行分形特征分析，求出多組數(shù)據(jù)的關(guān)聯(lián)維數(shù)建立特征庫。在 LabVIEW 中用mathscript調(diào)用神經(jīng)網(wǎng)絡(luò)工具箱建立一個(gè)以聲信號(hào)關(guān)聯(lián)維數(shù)為特征量的 BP神經(jīng)網(wǎng)絡(luò)并對(duì)該網(wǎng)絡(luò)進(jìn)行訓(xùn)練。經(jīng)多次實(shí)驗(yàn)驗(yàn)證后，結(jié)果表明該神經(jīng)網(wǎng)絡(luò)可以很好的識(shí)別柴油機(jī)的工作狀態(tài)。

[1]潘亮亮，趙書濤，李寶樹.基于聲波信號(hào)分析的電氣設(shè)備故障診斷新方法[J].電力自動(dòng)化設(shè)備,2009,29(8):87-90.

[2]王竹平，李小昱，王為.基于關(guān)聯(lián)維數(shù)的內(nèi)燃機(jī)故障診斷系統(tǒng)的研究[J].華中農(nóng)業(yè)大學(xué)學(xué)報(bào),2007,26(4):581-584.

[3]呂威,王和勇,姚正安等.改進(jìn)嵌入維數(shù)和時(shí)間延遲計(jì)算的GP預(yù)測(cè)算法[J].計(jì)算機(jī)科學(xué),2009,36(5):187-190.

[4]劉景夏，胡冰新，單華寧等.一種基于小波包變換的關(guān)聯(lián)維數(shù)計(jì)算方法[J].解放軍理工大學(xué)學(xué)報(bào)(自然科學(xué)版),2006,7(3):229-231.

[5]李國(guó)勇.神經(jīng)模糊控制理論及應(yīng)用[M].北京:電子工業(yè)出版社，2009:20-29.