英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料
基于瞬时角速度的船用柴油机智能故障诊断方法
摘 要
船用柴油机的正常运行保证了一次行程的预定完成和效率。任何故障都可能造成重大经济损失和严重事故。因此，为了防止机器发生故障，必须可靠、及时地监测发动机状况。本文描述和评价了基于经验模式分解（EMD）、核独立分量分析（KICA）、维格纳双谱和支持向量机（SVM）的智能诊断技术的发展和应用。这是对以往利用瞬时角速度（IAS）进行柴油机故障检测工作的扩展。为了解决欠定盲源分离（BSS）问题，本文首次提出了EMD和KICA相结合的方法来估计单通道IAS传感器的IAS信号。利用KICA提取维格纳双谱中的显著特征。将支持向量机应用于船舶柴油机故障的多类智能识别。然后利用6缸发动机模型和“航军20”船实测的IAS数据进行的数值模拟来评估该方法。数值和实验诊断结果均表明了该方法的高效性。利用EMD-KICA和维格纳双谱提取了IAS信号的明显故障特征，同时支持向量机的故障检测率达到94.0%以上。因此，本文提出的方法是可行的，可用于船用柴油机的故障诊断。
关键词：智能故障诊断；船用柴油机；核独立分量分析；维格纳双谱；支持向量机；瞬时角速度
- 介绍
船舶动力装置是船舶的心脏。近几十年来，柴油机已成为船舶应用的首选，99%以上的大型商用船舶都使用柴油机作为推进系统的主要驱动力[1，2]。因此，提高船用柴油机的可靠性和效率一直是船舶设计、制造和操作工程师的主要目标[2]。海上发动机的任何故障或失效都可能造成重大的经济损失和严重的事故，并可能造成人员伤亡。因此，为了防止故障的发生，保证出行计划的完成和出行效率，必须对发动机的状态进行及时的监测及评估。
现代提出了各种柴油机状态监测方法和诊断方法[3]。常用的技术包括油耗和磨损分析[4]、基于热力学模型的方法[2]和振动分析[5，6]等。然而，当使用油耗分析技术时，要求在气缸内安装传感器以获取所需的信息。实际上，传感器通常很难安装在缸内并容易损坏。在一些振动应用中也存在类似的问题。这些缺点可能导致其诊断可靠性下降，甚至误诊。热力学模型没有这样的缺点[2]，但是其精确的模型参数往往很难确定。柴油机状态监测的一种简化方法就是基于瞬时角速度的方法，因为瞬时角速度（IAS）包含了柴油机故障诊断的大量信息[5]，且编码器价格便宜，安装方便[6,7]。因此，自20世纪80年代末以来，IAS在柴油机故障诊断中得到了广泛的关注[8-13]。早期的研究表明，将傅立叶变换（FT）应用于内燃机燃烧故障检测的IAS信号是有效的[8-10]。然而，对于具有大量气缸和大惯性矩的发动机，使用基于FT的方法来检测发动机故障是非常困难的[6]。因此，Charles等人[6，7]提出了一种新的极坐标表示方法来检测柴油机故障，并证明了极坐标表示比快速傅立叶变换（FFT）更有效。其它先进技术，如短时傅立叶变换[14]、模糊系统[15]、遗传算法[16]和人工神经网络[17]等，也可以在IAS信号分析中找到。然而，大多数提出的方法并没有考虑到船用柴油机测量的IAS信号本质上是多种激励的混合物，这是发动机惯性高，重叠燃烧事件以及气门、曲轴和活塞等的冲击和振动多种因素导致的结果[18]。结果，被测的IAS信号严重失真，使得利用时频分析被测的IAS信号而直接识别发动机的模式变得非常困难。
幸运的是，独立分量分析（ICA）是从原始混合信号中恢复IAS信号的有力工具。然而，ICA在实践中常常受到两个假设的影响[19]。一个是线性混合假设，另一个是欠定BSS问题[20]，即传感器数目小于源数目。迄今为止，在机械故障诊断领域，同时解决这两个问题的工作还很有限。为了解决这一问题，经验模式分解（EMD）和核独立分量分析（KICA）相结合的方法被提出，从单通道观测中估计IAS源。本文中Bach[21]提出的核独立分量分析（KICA）主要研究非线性BSS问题。这种组合方法的优点是即使在传感器数目小于独立源数目的情况下也能进行非线性BSS分离处理。
另一方面，高阶频谱分析被证明是特征提取的有力工具；特别是双谱分析，既可以突出特征频率的权重，还能识别相位信息，体现非线性优势[22]。然而，经典的基于傅立叶变换的双谱可能并不适用于瞬时频率变化的信号，因为其傅立叶变换的平稳核与瞬时信号不匹配[22]。而由于维格纳分布在时域和频域都具有较高的分辨率，因此提出了维格纳双谱[23]。维格纳双谱保留了维格纳分布的本质特征，因而能够处理非线性信号。因此，利用维格纳分布提取瞬态信号的时频综合信息，特别是IAS信号，是明智的。
为利用IAS信号诊断船用柴油机燃烧故障，本文提出了一种基于EMD-KICA和维格纳双谱与SVMs相结合的智能诊断方法。已经进行了两个案例研究，以评估和验证所提出方法的故障检测性能。
图1. ICA插图
在案例1中，IAS信号是通过6缸柴油机模型模拟的，而在案例2中，IAS信号是在名为“航军20”的液压挖泥船上测量的。两个实例的诊断结果表明，所提出的诊断方法可用于船用柴油机的智能故障检测。此外，为了突出这种新方法，将与FastICA，基于FFT的双谱以及不同的分类器等进行比较
2.拟议算法说明
2.1内核的插图
ICA的概念如图1所示。假设测量的变量数据矩阵（其中是由多通道传感器测量的相同变量）。矩阵是矩阵中个未知独立分量（IC）的线性组合。和之间的关系可以表示为
（1）
其中是混合矩阵。ICA的目的是找到一个变换矩阵，，使投影高阶统计独立（gt;二阶独立）[24] 。已经开发了几种ICA 算法， 例如FastICA算法[20]来估计独立分量。但是，这些ICA算法基于线性模型，因此难以处理非线性情况。为了克服这个问题，巴赫[21]提出了一种新的ICA方法，称为内核ICA（KICA）。他的想法将最大化独立性视为与内核的相关性最小化。
KICA算法可以简要描述如下。有关更多详细信息，请参见Bach [21]。
步骤1）将测得的数据居中，选择适当的核函数，然后初始化解混合矩阵。
步骤2）白化特征空间中的数据。
步骤3）计算估计来源的居中革兰氏矩阵 [21]。
步骤4）计算的最大特征值，然后执行ICA算法估计混合矩阵。
步骤5）通过获得IC。
KICA的另一个有希望的应用是特征缩减。用特征空间替换，则KICA的输出是在较低维度空间中的投影，即简化特征空间，消除冗余特征。
2.2欠定BSS问题
ICA技术需要几个感官线索来分离原始源[20]。然而，受船用机舱空间的限制，难以为柴油发动机安装多通道速度编码器，因而导致欠定BSS问题。为了解决这个问题，提出EMD和KICA的集成，从单通道传感器的观测值来估计IAS源。EMD-KICA的过程描述如下：
- 使用EMD将从IAS编码器获取的观测值分解为个本征模式函数（IMF）。
- 将原始观测值和个IMF视为新的多通道观测值。
- 在新的观测值上应用KICA算法，并根据BSS结果确定估计的IAS源。
2.3建议的诊断方法流程图
由于双谱分析比傅立叶变换可以提供更有效的故障信息[22]，因此采用维格纳双谱来提取IAS信号的敏感特征。同时维格纳双谱以与双谱扩展功率谱相同的方式扩展了标准维格纳分布[23]。
给定信号，维格纳分布可以表示为[23]：
（2）
相应的维格纳双谱可定义为[23]：
（3）
其中，。由于能量在频率对处显示为尖峰，因此可以有效地提取输入数据的敏感特征。此外，在大多数应用中已使用了双谱的主要切片[25]（即双谱对角切片）来捕获显著特征。因此，为了简化计算，将维格纳双谱的主要切片应用于IAS信号的特征提取。
考虑到支持向量机具有强大的学习和泛化能力，可以基于有限的样本基础上进行数据分析和模式识别[26]，因此支持向量机被用于本文中柴油机故障诊断的多类别识别。建议诊断过程如下：
（1）通过KICA从原始测量的IAS数据估计。
（2）计算中估计的IAS波形的维格纳双谱，并在维格纳双谱中提取有用的时间和频率信息，以获得原始特征空间。然后再次使用KICA选择可分辨特征以产生新的特征空间（中的特征小于）。
（3）通过训练SVM以识别故障模式。 提出的诊断方法的流程图如图2所示。
图2.提出的诊断方法示意图
图3.单缸发动机动力学模型
3.案例研究1-数值模拟
3.1数据模拟
图3显示了四冲程单缸柴油机的简化动力学模型，其中是气体压力；和分别是由气压和垂直不平横惯性力产生的总切向力，是曲轴转角；是半径，为连杆长度。
角速度瞬时波动率（IASFR）定义为瞬时角速度与柴油机平均角速度之比，表示为[5]
（4）
柴油机的瞬时角速度波动与作用在曲轴上的总动力转矩的波动密切相关。其次，总功率扭矩会受到气缸中的气压，垂直不平衡惯性力，摩擦力和发动机负载等的影响。
扭矩平衡方程可表示为[5]
（5）
其中是动力装置的惯性矩，是发动机的动力扭矩，是负载扭矩。对于在稳定的工作条件下，平均瞬时角速度是一个常数，表示为[5]
（6）
瞬时角速度定义为[5]：
（7）
其中是曲柄半径与连杆长度的比，是往复惯性质量，是初始相位。由于在不知道惯性矩的情况下很难准确确定，因此可以根据等式（6）和（7）计算IASFR，可表示为[5]
（8）
当故障（例如气缸中的燃油泄漏或排气门泄漏）影响气压时，由于扭矩对总动力扭矩的减小，IASFR波形可能会失真。因此，IASFR波形可用于检测故障。本文选择了四冲程六缸柴油发动机（6135G型）基于动态模型来模拟IASFR波形。当发动机的转速为时， 每个发动机循环的运行时间为，因此发动机的基本运行频率为
（9）
发动机的点火频率为
（10）
其中 表示气缸数。
表1.柴油发动机模型的运行参数
|
缸数 |
6 |
点火频率f1 |
50赫兹 |
|
运行旋转速度N |
1000 转数 |
射击顺序 |
1-5-3-6- 2-4 |
|
工作功率P0 |
40千瓦 |
活塞质量（kg） |
2.88 |
|
基本操作 |
连接质量 |
4.48 |
图4.正常情况下柴油机的IASFR原始波形
在仿真中，柴油机的运行参数列于表1。在正常和故障条件下原始IASFR波形的仿真结果如图4所示。这两个故障条件包括在第三缸中50％的燃油油泄漏和油路切断。可以看出，IASFR波形随发动机工况的变化而变化，并且从仿真结果中揭示了IASFR的物理特性。因此，可以从IASFR波形中确定用于检测故障的敏感特性参数。
3.2使
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[236074]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
