船舶柴油機燃油系統(tǒng)故障仿真及診斷方法研究

肖沁雨 向 波 陳建明

四川交通職業(yè)技術學院 四川 成都 611130

1 柴油機燃油系統(tǒng)模型搭建

本文研究的側(cè)重點在于故障診斷方法的研究,模型的搭建是為了方便故障數(shù)據(jù)樣本的獲取,基于AVL HYDSIM仿真平臺,選擇以16V280型柴油機的燃油系統(tǒng)為仿真模擬對象,根據(jù)燃油系統(tǒng)的工作過程及其結(jié)構(gòu)特性,建立柴油機燃油系統(tǒng)模型,模型可行性的驗證以X280柴油機燃油系統(tǒng)的實測數(shù)據(jù)[1]作為依據(jù),采用特征曲線形態(tài)結(jié)構(gòu)對比的方式進行驗證,通過多組特征曲線對比,具體參數(shù)參考見參考文獻[1],可以基本確定該模型能夠反映柴油機一定的燃油噴射特性,能夠為故障診斷算法的研究設置若干種故障工況,并提供相應故障數(shù)據(jù)。

2 燃油系統(tǒng)故障工況模擬

開展基于D－S證據(jù)理論的燃油系統(tǒng)故障診斷的首要工作是獲取能夠作為證據(jù)體的特征參數(shù)。經(jīng)過專家多年的經(jīng)驗總結(jié),高壓油管中的壓力波形能較好的反映出燃油系統(tǒng)的狀態(tài)[2],主要的數(shù)值特征量有：噴油始點、噴射持續(xù)期、最大壓力、次最大壓力等。此次模擬了燃油系統(tǒng)典型的四種常見故障：噴油嘴故障、噴油孔積碳、針閥座下沉和出油閥故障,各工況下(包括正常工況)的特征參數(shù)值：燃油啟噴壓力、落座壓力、最大壓力、波形幅度、上升沿寬度和波形寬度,依次如表2－1所示。

表2－1 正常工況的特征參數(shù)值

至此,完成了四種故障工況的模擬并進行了分析,符合各個故障下的特征現(xiàn)象,獲得了各個工況下的特征參數(shù)值,能夠為故障診斷提供了很好的數(shù)據(jù)樣本

3 基于證據(jù)理論的柴油機燃油系統(tǒng)故障診斷

本文的燃油系統(tǒng)故障診斷采用典型樣本的數(shù)據(jù)融合方式來進行,將表2－1中的特征參數(shù)作為待融合的證據(jù)體,用{a1,a2,a3,a4}來表示,將正常工況、噴油嘴積碳故障、針閥座下沉故障和出油閥啟噴壓力過大四種故障工況作為目標模式,形成目標模式向量,表示為{X1,X2,X3,X4}。各目標模式的典型樣本如表3－1所示。

表3－1 各目標模式的典型樣本

以噴油嘴積碳故障為例,根據(jù)D－S證據(jù)理論診斷原理公式[3],每一個證據(jù)體和典型樣本形成一個基本信任分配,如表3－2所示。

表3－2 噴油孔故障下證據(jù)體基本信度賦值

如表3－1所示,最大壓力a2在四種目標模式中形成的基本信任分配,分別為0.3269,0.0816,0.2586,0.3328,單從這一證據(jù)體中,很明顯我們很難正確判斷出待驗模式屬于哪種目標模式,因此需要進行多證據(jù)間的融合并完成故障診斷。

將其值按照合成規(guī)則,依據(jù)證據(jù)融合公式[3],進行證據(jù)體間的融合,得到如下的融合結(jié)果：m(X1,X2,X3,X4)＝(0.5368,0.0193,0.2244,0.2149)可以看出,發(fā)生故障的目標模式X1所對應的賦值最大,為0.5368,從而反過來驗證了該待驗模式正是噴油孔積碳故障,故障識別正確。

同理可得其他待驗故障模式經(jīng)證據(jù)融合后的診斷結(jié)果,如表3－2所示。針閥故障、出油閥故障和正常工況融合結(jié)果的最大賦值分別為0.5724,0.5722和0.5961,分別對應目標模式X1、X3和X4,均對待驗模式進行了正確的故障識別。

表3－2 各待驗模式證據(jù)融合結(jié)果

4 總結(jié)

船舶智能化與信息化是我國船舶行業(yè)發(fā)展的方向,通過對新型智能船舶柴油機燃油系統(tǒng)的分析和研究,對柴油機燃油系統(tǒng)進行故障仿真,獲得故障樣本,并基于D－S證據(jù)理論建立故障診斷模型,討論該算法在柴油機智能診斷技術中的適用性和精度,為柴油機燃油系統(tǒng)建立一套智能診斷方案,從而為“數(shù)字船舶”,甚至是“無人航行船舶”的發(fā)展提供技術參考。