內燃機智能故障診斷系統的研究及應用芻議

胡奇軍

摘要：隨著科學技術的迅猛發展，為目前所擁有的內燃機故障診斷系統的發展帶來技術層面的支撐，帶來發展的新機遇，不斷向智能化靠近，使其在發展的道路上智能化的特征愈加凸現。同時其智能系統也在一定程度上不斷的得到創新與完善，使內燃機在工農業的生產過程中得到更多人的認可與使用。內燃機故障診斷系統由傳統轉向智能化轉變需要技術條件作為支撐。隨著科學技術的進步，內燃機的智能故障診斷系統將會得到更加完善和發展，也必將得到更廣泛的應用。

關鍵詞：內燃機;智能故障診斷系統;應用

如今隨著信息技術的進步，我國所擁有的故障診斷系統的智能化特征越來越顯著，作用也越來越凸現。其當前的智能化系統將神經網絡理論與粗糙集理論相結合共同作為其理論基礎，將內燃機在運行時所產生振動而帶來的豐富多樣的特征信號為故障診斷提供大量的信息作為參考依據，因此振動診斷法是最常采用的診斷方法。另外在診斷中還結合其他方法，如：人工神經網絡、灰色系統理論以及提取特征方法等數字化更加精確的方法，使其在智能化的道路上發展更加廣闊，在一定程度上也使智能故障診斷系統被更多的人所認可并不斷投入使用，創造更高效的價值。

1故障機理內容

由于內燃機等大型關鍵設備的運行狀況十分復雜，為了保證內燃機的正常工作，設備故障的診斷工作要求更高。故障診斷要求一個智能化的系統，該系統能自行分析設備故障，并提取故障特征從而盡興判斷和預測，結合了人工神經網絡理論和粗糙集理論。目前我國所具有的故障診斷技術與工農業的生產息息相關，而且其復雜系數也很大，所以對其故障的分析也需要參考多方面的數據從而進行診斷，首先就是對內燃機的故障機理進行研究診斷。對故障機理的研究與診斷主要是從信號采集、信號分析處理及特征提取、狀態識別以及決策診斷四個方面進行。

當內燃機的設備異常或發生故障時，對其當前顯示的狀態信號進行相關的檢測與采集是進行故障診斷的一個有效環節，通常采用振動診斷、溫度測試、壓力測試、油液分析技術、無損檢測技術、電渦流傳感器測試等方法。信號分析處理及特征提取這項內容主要是對在設備故障診斷時將測量的模擬信號轉化為數字信號，對其轉化后的信號進行加工與處理，然后對有效的信號進行細化，從而提取出有用的故障信息。由于發生故障原因的不同，所以所呈現的故障現象與信號也會一一對應，種類多樣。在此情況下，就需要建立相對應的故障標準模式，在此基礎上對實際的故障信號進行準確的識別，這一過程就叫做狀態識別。最后一項內容叫做決策診斷，主要是指對在生產過程中可能會發生的故障進行預測并制定出針對性的決策判斷，做到防患于未然。

2智能診斷的特點

傳統的診斷系統的缺陷在于知識獲取的途徑難、知識的維護難、知識面狹窄、系統推斷能力弱、應用性差。與傳統的故障診斷系統比較，智能故障診斷系統有著其獨特的特點：

2.1知識具有分布式存儲特性和并行處理

相較于傳統診斷系統，智能診斷系統分布式地存儲信息，并行處理信息。消除了信息的無窮遞歸、組合爆炸以及匹配沖突等問題，加快信息處理速度，提高并行識別并發故障處理效率。

2.2自主學習訓練和適應性強

神經網絡結構式的連接是多樣的，具有可塑性的強度。隨著外界的變化，能自主學習訓練組織來適應并處理不同信息，接受信息傳遞變化能力強，自我完善系統。

2.3容錯與修改恢復性

因為信息的存儲是呈分布式的，當輸入的信息不完整或出現局部錯誤時，系統會能夠自動辨別這些信息是否完整或者對錯，并且能夠自動恢復原來正確的信息，不至于影響信息的正常輸出。

2.4提取特征

知識的獲取體現在訓練樣本的獲取和選擇，遵循兩大原則：相容性和代表性。智能系統將知識存儲在神經網絡的連接權值和域值中，可以有效解決系統知識容量和運行速度間的矛盾。

3智能故障診斷系統的應用

燃機分為內燃機和外燃機兩種。內燃機，例如汽油發動機、柴油發動機，工作原理是將輸入機器內部的液體燃料和空氣混合充分燃燒，將產生的熱能轉化成機械能;外燃機，例如蒸汽機、汽輪機等，工作原理是在機器外部將燃料燃燒，通過加熱水產生高溫、高壓的水蒸氣，從而將產生的熱能轉變成機械能。智能故障診斷系統在當前的內燃機故障診斷中呈現著良好的發展趨勢，它具有強勁的實用性等優勢，在未來的發展中還應該結合粗糙集理論、遺傳算法等研究來簡化內燃機故障的操作過程與操作難度，發揮出巨大的潛能。

為了快速準確地判斷內燃機故障，常利用機身振動特性的變化來判斷間隙狀態。應用一批具有現代數學精確性的方法，比如有信號的小波包分解、神經網絡識別、粗糙集方法處理分形理論、神經網絡、小波分析、證據理論、灰色系統理論等方法，提取特征方法和模式識別方法多樣化，引入信息融合方法，有利于內燃機故障診斷系統向智能化轉變。神經網絡診斷法內部包含的功能為當前所呈現的模糊、不準確以及錯誤的信息的診斷與處理提供了新的路徑。小波分析法主要是用來分析非平穩信號與平穩信號，其應用價值非常高，也是在故障診斷中進行信號處理的一個有效工具。灰色系統指的是系統中包含有未知的也有已知的信息的系統。通過對此系統進行白化從而得到相關的有效信息，然后在進行相關聯的運算從而進行故障診斷。同時內燃機的智能故障診斷系統也逐步形成并漸漸地投入使用。

BP神經網絡是通過誤差反向傳播通過多層訓練的神經網絡，運用輸出后的結果與預計的結果的誤差，反向到隱含層中的誤差，再一層一層的向前反推，以獲得各個層的誤差，用這個誤差來修改各單元的權值;BP神經網絡計算學習的方法是，先是將信號的樣本從輸入層進入到隱含層進行計算，將計算過的結果輸出到輸出層，如果輸出的結果與目標值不同，那么將誤差反向代入到上面的隱含層，在自下而上的修改權值，如果輸出值達到目標值，則學習結束。

BP神經網絡學習首先是對網絡初始化，在對網絡節點的權值給出一個隨機數，確定網絡學習結果的精度或確定能夠學習的次數，隨機確定個信號的輸入值，以及與輸入相對應的目標結果，通過計算得出的各隱含層的輸入與輸出值，通過信號目標輸入與期望的輸出值，得出各隱含層的偏導數，在修正連接權值，計算出全局誤差，判斷出輸入與輸出滿足最終目標值，則結束算法，否則，進入下一輪學習。

BP神經網絡在當前的內燃機故障診斷中呈現著良好的發展趨勢，它具有強勁的實用性等優勢，在未來的發展中還應該結合粗糙集理論、遺傳算法等研究來簡化內燃機故障的操作過程與操作難度，發揮出巨大的潛能。也要對當前具有的有關傳感器的研究和相應的檢測手段不斷進行理念、技術等創新，要發揮不同檢測診斷方式的優點，或者進行多種診斷方式結合來應對不同原因而引起的故障，還要對其在故障狀態下所得出的信號特征進行準確高效的處理，從而保證后期診斷的可靠精確性。在內燃機使用過程中，有條件的話要進行定期的狀態監測與診斷，同時還要注意并進行內燃機智能故障系統的后期保養工作。另外對于診斷方法要進行不斷的處理與改進，提高系統的準確性，從而使其將自身的作用發揮到最大化。

結束語

隨著科技的發展，內燃機應用于工農業的規模越來越大，為了滿足生產的需要，機械設備逐漸向大型、高速、強載、自動與智能化、連續運行及高度復雜化發展，同時系統故障發生率也相應增加。一旦發生故障，就有可能使整臺設備甚至整個生產過程受到影響和破壞，造成經濟損失，更嚴重的會發生災難性人員傷亡事故。

參考文獻

[1]褚光超，劉洪波.內燃機智能故障診斷系統的研究及應用[J].中國高新技術企業，2012（26）：22-24.

[2]褚光超，劉洪波.內燃機智能故障診斷系統的研究及應用探析[J].科技促進發展，2012（s1）：48-50.

[3]張啟義，寇學智.基于SOM神經網絡的內燃機故障智能診斷研究[J].小型內燃機與摩托車，2009，38（04）：49-51.