謝春麗 張繼洲 王宇超

(東北林業(yè)大學(xué)交通學(xué)院 哈爾濱 150040)

0 引 言

車(chē)輛發(fā)動(dòng)機(jī)在運(yùn)行一段時(shí)間過(guò)后，會(huì)有某一種或多種故障發(fā)生，處于故障狀態(tài)的發(fā)動(dòng)機(jī)會(huì)極大影響車(chē)輛的安全運(yùn)行，所以，及時(shí)準(zhǔn)確地辨識(shí)出發(fā)動(dòng)機(jī)潛伏性故障,對(duì)保障車(chē)輛的安全可靠運(yùn)行具有重大意義.

故障診斷其實(shí)就是一個(gè)模式識(shí)別的過(guò)程，模式識(shí)別理論的發(fā)展直接推動(dòng)了故障診斷方法的發(fā)展.國(guó)內(nèi)外專家學(xué)者在故障診斷或者模式識(shí)別方面做出了大量的研究工作：袁幸等[1]研究了一種基于物理模型辨識(shí)的滾動(dòng)軸承故障診斷方法,即通過(guò)物理模型構(gòu)建標(biāo)準(zhǔn)模式數(shù)據(jù)庫(kù),進(jìn)而識(shí)別故障.梅檢民等[2]提出通過(guò)引入D-S證據(jù)理論,得到多分類(lèi)SVM在D-S證據(jù)理論識(shí)別框架下的基本概率分配,使樣本在分類(lèi)時(shí)同時(shí)具有定性解釋和定量評(píng)價(jià),然后將多源信息送入SVM之后在決策級(jí)對(duì)多個(gè)SVM分類(lèi)輸出進(jìn)行證據(jù)融合的方法進(jìn)行故障診斷.劉長(zhǎng)良等[3]提出基于變分模態(tài)分解和奇異值分解的特征提取方法,采用標(biāo)準(zhǔn)模糊C均值聚類(lèi)進(jìn)行故障識(shí)別的方法.Sadough等[4]利用多模型方法和動(dòng)態(tài)神經(jīng)網(wǎng)對(duì)噴氣飛機(jī)發(fā)動(dòng)機(jī)進(jìn)行健康診斷仿真，仿真結(jié)果表明該方法是有效的.

可拓學(xué)是一門(mén)原創(chuàng)性橫斷學(xué)科，它以形式化的模型，探討事物拓展的可能性和開(kāi)拓新的規(guī)律與方法，并用于解決矛盾問(wèn)題[5].經(jīng)過(guò)多年的發(fā)展，可拓學(xué)已經(jīng)形成以基元理論、可拓集理論和可拓邏輯為核心的理論框架體系.可拓理論和可拓創(chuàng)新方法與若干領(lǐng)域交叉融合產(chǎn)生可拓工程，可拓診斷是可拓工程的一個(gè)重要分支.結(jié)合之前的研究成果[6]，本文提出基于可拓理論的發(fā)動(dòng)機(jī)失火故障模式識(shí)別方法，利用可拓理論建立發(fā)動(dòng)機(jī)故障模式識(shí)別模型進(jìn)行發(fā)動(dòng)機(jī)故障診斷.

1 基于可拓理論的發(fā)動(dòng)機(jī)故障模型

1.1 發(fā)動(dòng)機(jī)失火故障物元模型

可拓理論建立了物元、事元和關(guān)系元的概念來(lái)形式化描述物、事和關(guān)系，物元、事元和關(guān)系元統(tǒng)稱基元，是可拓理論的邏輯細(xì)胞.在建立故障信息模型時(shí)，可以用物元R來(lái)描述故障的靜態(tài)特征.物元R為一個(gè)有序三元組R=(Om,Cm,Vm)，稱為一維物元，其中Om為所要描述的故障對(duì)象；Cm為故障的特征；Vm為故障對(duì)象Om的特征Cm的量值；Vm的取值范圍稱為Cm的量域；Om，Cm，Vm為物元M的三要素；(Cm,Vm)為對(duì)象Om的特征元.發(fā)動(dòng)機(jī)的失火故障狀態(tài)經(jīng)常用尾氣排放信息來(lái)表示，故用來(lái)表示發(fā)動(dòng)機(jī)失火故障狀態(tài)的物元模型為多維物元模型

1.2 發(fā)動(dòng)機(jī)失火故障信息的距

用于失火故障診斷的尾氣信息為范圍值信息，其可拓距的定義為

設(shè)兩個(gè)范圍值型故障信息區(qū)間為X1= (x1，x2)，X2= (x3，x4)，則故障信息X1和區(qū)間X2之間的可拓區(qū)間距為

(1)

1.3 發(fā)動(dòng)機(jī)失火故障信息的關(guān)聯(lián)度

根據(jù)可拓集的關(guān)聯(lián)函數(shù)，待診斷物元模型的綜合關(guān)聯(lián)度為

(2)

式中：wi為故障特征的權(quán)重系數(shù)；Kj(xi)為第i個(gè)故障特征關(guān)于第j個(gè)故障類(lèi)型的關(guān)聯(lián)函數(shù)，

(3)

其中：

(4)

其中：aij與bij為在第j個(gè)故障類(lèi)型時(shí)第i個(gè)故障特征取值的下界與上界.

2 發(fā)動(dòng)機(jī)失火故障的可拓診斷方法

2.1 確定故障物元模型

采用發(fā)動(dòng)機(jī)尾氣成分作為故障信息進(jìn)行故障診斷.

建立故障物元模型為

(5)

2.2 確定待診斷樣本的尾氣成分物元模型

建立待診斷樣本的尾氣成分物元模型為

(6)

式中：Ri，Ii，Cn定義同上；vin為待診斷樣本的各尾氣成分氣體在第i種故障狀態(tài)下的含量.

2.3 確定待診斷樣本的尾氣成分氣體含量物元模型對(duì)故障物元模型的關(guān)聯(lián)函數(shù)

待診斷樣本的各尾氣成分氣體含量物元對(duì)故障物元的關(guān)聯(lián)函數(shù)為

(7)

(8)

2.4 計(jì)算待診斷樣本尾氣對(duì)第i種故障的可拓關(guān)聯(lián)度

利用下式計(jì)算待診斷樣本尾氣對(duì)第i種故障的可拓關(guān)聯(lián)度。

(9)

式中：權(quán)重系數(shù)wij由主成份分析法確定.

2.5 標(biāo)準(zhǔn)化

利用下式將獲得的可拓關(guān)聯(lián)度標(biāo)準(zhǔn)化：

(10)

(11)

2.6 確定故障類(lèi)型

若λ′向量的第k個(gè)分量最大(等于1)，則發(fā)動(dòng)機(jī)有第k種故障；若第2大的j分量也接近于1，則發(fā)動(dòng)機(jī)有k,j兩種故障，見(jiàn)圖1.

圖1 發(fā)動(dòng)機(jī)失火故障可拓診斷流程

3 基于可拓理論的發(fā)動(dòng)機(jī)失火故障診斷

根據(jù)參考文獻(xiàn)[7]和尾氣檢測(cè)儀器檢測(cè)范圍的局限性,本文選取HC，CO2，NOx，CO，O2的體積分?jǐn)?shù)作為發(fā)動(dòng)機(jī)故障信息.以EQ6102型汽油機(jī)為研究對(duì)象,將汽油機(jī)狀態(tài)設(shè)置為無(wú)失火現(xiàn)象、失火程度較輕和失火程度嚴(yán)重三種狀態(tài)，分別記為I1，I2，I3.無(wú)失火現(xiàn)象即為正常工作狀態(tài); 失火程度較輕時(shí)設(shè)置的故障為點(diǎn)火電容性能變差、點(diǎn)火時(shí)間過(guò)晚和某一缸火花塞不點(diǎn)火；失火程度嚴(yán)重時(shí)設(shè)置的故障為六缸中有二缸火花塞不點(diǎn)火，然后分別測(cè)取無(wú)負(fù)荷時(shí)不同轉(zhuǎn)速工況下的廢氣排放HC，CO2，NOx，CO，O2的體積分?jǐn)?shù)，故障數(shù)據(jù)選自文獻(xiàn)[8].

3.1 建立物元模型

根據(jù)文獻(xiàn)[18]建立物元模型見(jiàn)表1.

由表1得出對(duì)應(yīng)節(jié)域如下

待診斷樣本的尾氣成分含量信息見(jiàn)表2.

3.2 計(jì)算可拓關(guān)聯(lián)度并標(biāo)準(zhǔn)化

根據(jù)式(7)～(11)計(jì)算九個(gè)待診斷樣本對(duì)三種故障的可拓關(guān)聯(lián)度.其中，故障特征權(quán)重系數(shù)w

表1 失火故障物元模型

表2 待診斷尾氣樣本

由主成份分析法確定，分別為0.5，0.31，0.1，0.05，0.04.

經(jīng)過(guò)計(jì)算，得到9個(gè)樣本的可拓關(guān)聯(lián)度并診斷結(jié)果見(jiàn)表3.

表3 可拓診斷結(jié)果

由表3可知，數(shù)值1代表可拓關(guān)聯(lián)度為1，表示發(fā)生相應(yīng)的故障.例如，樣本1，關(guān)聯(lián)度K(I1)為1，表示待診斷尾氣樣本1為發(fā)動(dòng)機(jī)發(fā)生輕微失火故障時(shí)的尾氣，對(duì)應(yīng)故障類(lèi)型I1.由于發(fā)動(dòng)機(jī)失火程度具有邊界模糊性，即正常狀態(tài)與輕度失火的交界狀態(tài)既可以定義為正常狀態(tài)也可以稱之為輕度失火狀態(tài)，如待診斷樣本4，樣本4與故障類(lèi)型I1的可拓關(guān)聯(lián)度為1，表示該樣本尾氣是在發(fā)動(dòng)機(jī)處于正常狀態(tài)下采集的，但是樣本與故障類(lèi)型I2的可拓關(guān)聯(lián)度為0.773 2，表明發(fā)動(dòng)機(jī)在該狀態(tài)時(shí)處于故障類(lèi)型I2即輕度失火的可能性也很高，說(shuō)明發(fā)動(dòng)機(jī)將趨向輕度失火故障.同樣例如樣本6，樣本6與故障類(lèi)型I3的可拓關(guān)聯(lián)度為1，表明發(fā)動(dòng)機(jī)此時(shí)處于故障類(lèi)型I3，即嚴(yán)重失火狀態(tài)，但是該樣本與故障類(lèi)型I2的可拓關(guān)聯(lián)度為0.627 7，說(shuō)明發(fā)動(dòng)機(jī)也有很大可能性處于輕度失火狀態(tài)，推測(cè)發(fā)動(dòng)機(jī)可能由輕度失火狀態(tài)進(jìn)入嚴(yán)重失火狀態(tài)不久.

對(duì)比表2～3，可拓診斷方法的診斷結(jié)果與實(shí)際故障狀態(tài)相符合，說(shuō)明該方法進(jìn)行故障診斷結(jié)果可信.另外，由表3可知，可拓診斷方法不僅可以進(jìn)行故障診斷，還可以對(duì)發(fā)動(dòng)機(jī)運(yùn)行狀態(tài)的變化趨勢(shì)進(jìn)行預(yù)測(cè).

4 結(jié) 論

1) 將可拓理論應(yīng)用于發(fā)動(dòng)機(jī)失火故障的診斷，首先建立可拓理論故障診斷物元模型，然后進(jìn)行可拓關(guān)聯(lián)度的計(jì)算與標(biāo)準(zhǔn)化處理，最后利用數(shù)據(jù)進(jìn)行了診斷測(cè)試.

2) 可拓關(guān)聯(lián)度為1表示故障樣本數(shù)據(jù)，測(cè)試數(shù)據(jù)與故障樣本數(shù)據(jù)的可拓關(guān)聯(lián)度越接近1表明其發(fā)生測(cè)試樣本故障的可能性越大.

3) 對(duì)于失火故障而言，正常狀態(tài)、輕度失火、嚴(yán)重失火等故障之間的過(guò)度存在模糊邊界，這與實(shí)際運(yùn)行是相符的，故在邊界狀態(tài)下，對(duì)于兩種狀態(tài)的可拓關(guān)聯(lián)度都較大.

4) 可拓診斷方法不僅可以進(jìn)行故障診斷，還可以根據(jù)可拓關(guān)聯(lián)度的變化對(duì)發(fā)動(dòng)機(jī)運(yùn)行狀態(tài)的變化趨勢(shì)進(jìn)行預(yù)測(cè),表明該方法是有效可行的.

參考文獻(xiàn)

[1] 袁幸,朱永生,張優(yōu)云,等.基于模型辨識(shí)的滾動(dòng)軸承故障診斷[J].振動(dòng)測(cè)試與診斷,2013(1):12-17.

[2] 梅檢民,趙慧敏,肖云魁,等.基于多分類(lèi)支持向量機(jī)和D-S證據(jù)理論的軸承故障診斷[J].汽車(chē)工程,2015(1):114-119.

[3] 劉長(zhǎng)良,武英杰,甄成剛.基于變分模態(tài)分解和模糊C均值聚類(lèi)的滾動(dòng)軸承故障診斷[J].中國(guó)電機(jī)工程學(xué)報(bào),2015,13:3358-3365.

[4] SADOUGH V Z N, KHORASANI K, MESKIN N.Fault detection and isolation of a dual spool gas turbine engine using dynamic neural networks and multiple model approach[J]. Information Sciences,2014(20):234-251.

[5] 楊春燕，蔡文.可拓學(xué)[M].北京：科學(xué)出版社,2014.

[6] CHEN J, ROBERT B R. Improved automated diagnosis of misfire in internal combustion engines based on simulation models [J]. Mechanical Systems and Signal Processing, 2015(1):58-83.

[7] 代新雷,王平福,陳昊,等.排放分析在電噴發(fā)動(dòng)機(jī)起動(dòng)故障診斷中的應(yīng)用[J].汽車(chē)技術(shù),2004(9):40-42.

[8] 李增芳,何勇.基于粗糙集與BP神經(jīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)故障診斷模型[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2005(8):118-121.