基于三点模型的柴油机故障预测方法技术

本发明专利技术的目的在于提供基于三点模型的柴油机故障预测方法，首先采集柴油机运行状态数据并进行数值滤波，获得无干扰时序数列。继而拟合时序状态参数变化趋势，建立柴油机三点预测模型，据此前向外推，获得预测数据，从而实现对柴油机未来工作状态的趋势预测。根据本发明专利技术的故障诊断结果，可以在设备劣化初期准确预测出柴油机未来劣化趋势，指导工作人员对柴油机视情维修；本发明专利技术基于三点模型预测柴油机故障，具有不需要样本数据全部统计特征、运算简捷、使用方便、结果准确以及尤其适用于近期预测等优点。

【技术实现步骤摘要】
基于三点模型的柴油机故障预测方法
本专利技术涉及的是一种柴油机故障预测方法。
技术介绍
柴油机作为一种常见的动力机械，在石油钻井、机车牵引、船舶运输、应急发电等领域都有广泛的应用。一旦柴油机发生故障，将影响成套设备的运行状况，不仅会导致巨大的经济损失，严重时还会造成人员伤亡。因此，对柴油机未来运行状态进行预测，早期发现设备故障，确保设备处于最佳状态具有重要的意义。预测技术广泛应用于股票、气象及机械等学科领域。模型的精准度对于提高预测的可靠性具有至关重要的作用。三点模型是一种较为先进的状态趋势预测模型。相比较于一般预测模型，如基于指数平滑法的模型和基于最小平方法的模型，三点预测模型考虑到近期信息要比远期信息较大的影响趋势变化的客观事实，赋予近期信息以较大的权值，远期信息以较小权值，并在时间序列首尾两端及中部各取几项数据，分别计算加权平均值作为趋势线上三点坐标，建立趋势预测方程，据此外推预测。与其它趋势预测模型相比，三点模型具有科学合理、计算简捷、结果准确、使用方便等优点，在状态趋势预测中有较大的实用价值。经对现有技术的文献检索发现，中国专利公开号CN102705078A，公开日为2012.10.03，专利名称为：基于灰色模型的柴油机故障预测方法，该专利申请自述为：“本专利技术的目的在于提供基于灰色模型的柴油机故障预测方法，采取如下步骤：获取柴油机运行参数，包括功率、耗油率、转速、烟度、噪声、滑油压力、排烟温度、增压后进气压力；建立柴油机灰色模型，获得预测数据；重复步骤上述步骤，直至获得所有所需柴油机运行参数的预测数据。本专利技术可以避免设备故障的发生，提高设备的可靠性，从而实现有计划、有针对性的视情维修，避免过剩维修，从而从总体上降低维修费用。”其不足之处是：该方法赋予所有信息以相同的权值，忽略了近期信息比远期信息对趋势变化有更大的影响这一客观事实，增加了预测的不确定性，尤其是中长期预测；且灰色预测模型的建立过程复杂，计算繁琐，实际应用具有一定的不便。
技术实现思路
本专利技术的目的在于提供预测柴油机未来工作状态趋势，从而指导工作人员对柴油机实施针对性预测维修的基于三点模型的柴油机故障预测方法。本专利技术的目的是这样实现的：本专利技术(1)等时采集检测柴油机运行参数，所采集的运行参数包括：功率、油耗率、转速、烟度、噪声、滑油压力、排气温度、增压后进气压力；(2)将获得的柴油机运行参数进行中位值滤波，将含有噪声的运行参数转换为无干扰信号，对于每一项参数，按照时间顺序，由远及近分别构成建模原序列；(3)将所获取的无干扰信号作为建模数据，获取三点坐标：三点坐标的获取步骤如下：a、基于三点法的预测模型包括三种：二次抛物线型、直线型与指数曲线型、三次抛物线型，从中选择一种预测模型，建立柴油机运行参数三点模型；b、确定三点坐标：对于柴油机的一项运行参数，三点纵坐标的确定应满足如下原则：1)原序列总项数N应当是奇数，此时N＝n,当总项数为偶数时，则去除第一项检测数据，使N奇数化，此时N-1＝n，n为实际序列总项数，同时，n不小于9；2)若实际序列总项数9≤n<15，则在保持检测数据排列顺序不变的前提下，抽取实际序列的前3项、正中3项、后3项检测数据，分别构成初期、中期、近期子序列；每个子序列算出一个加权平均数，得到的三个加权平均数就是需要确定的三点的纵坐标；对于每一子序列，检测数据对应权数的选择由远及近分别取1、2、3；3)若实际序列总项数n≥15，则在保持检测数据排列顺序不变的前提下，抽取原序列的前5项、正中5项、后5项检测数据，分别构成初期、中期、近期子序列。每个子序列算出一个加权平均数，得到的三个加权平均数就是需要确定的三点的纵坐标；对于每一子序列，检测数据对应权数由远及近依次选取1、2、3、4、5；在满足以上三个原则的前提下，将初期、中期、近期三点的坐标分别设为M1(t1,R),M2(t2,S),M3(t3,T)其中，M1,M2,M3分别代表初期、中期、近期三点；t1,t2,t3分别为初期、中期、近期三点横坐标；R,S,T分别为初期、中期、近期三点纵坐标；设正中项数实际序列各项检测值为y1、y2、…yd…yn；因此对于五项加权平均，三点的纵坐标为：对于三项加权平均，三点的纵坐标为：同样的，三点的横坐标也取各项检测值对应时间点的加权平均数；对于五项加权平均，三点横坐标为：对于五项加权平均，三点的坐标为：对于三项加权平均，三点的横坐标为：对于三项加权平均，三点的坐标为：(4)计算趋势线模型参数估计值，并生成预测数据：对于二次抛物线型，其预测趋势线模型为对于直线型和指数曲线型，其预测趋势线模型分别为和对于三次抛物线型，其预测趋势线模型为将步骤(3)中三点坐标带入，求得各预测模型的参数估计值，完成建模；在此基础上，生成预测数据；(5)返回步骤(3)建立模型，直至获得所有所需柴油机运行状态参数预测值。本专利技术的优势在于：根据本专利技术的故障诊断结果，可以在设备劣化初期准确预测出柴油机未来劣化趋势，从而实现对其视情维修；且本专利技术利用三点模型预测柴油机状态劣化趋势，具有不需要全部的数据统计特征、运算简捷、使用方便、结果准确以及尤其适用于近期预测等优点。附图说明图1为本专利技术的流程框图；图2为本专利技术实施某型柴油机单缸供油劣化状态下排气温度预测结果。具体实施方式下面结合附图举例对本专利技术做更详细地描述：结合图1～2，本专利技术包括以下步骤：运行参数的获取、对获得运行参数的预处理、柴油机三点模型的建立、对运行参数进行趋势预测。具体如下：1柴油机运行参数的获取：利用传感器与数据采集卡通信，等时检测柴油机各项运行参数，采集的参数包括：功率、油耗率、转速、烟度、噪声、滑油压力、排气温度、增压后进气压力；2、对获得运行参数的预处理：将获得的柴油机运行参数进行中位值滤波，将含有噪声的运行参数转换为无干扰信号。对于每一项参数，按照时间顺序，由远及近分别构成建模原序列；3、将所获取的无本文档来自技高网...

【技术保护点】
基于三点模型的柴油机故障预测方法，其特征是：(1)等时采集检测柴油机运行参数，所采集的运行参数包括：功率、油耗率、转速、烟度、噪声、滑油压力、排气温度、增压后进气压力；(2)将获得的柴油机运行参数进行中位值滤波，将含有噪声的运行参数转换为无干扰信号，对于每一项参数，按照时间顺序，由远及近分别构成建模原序列；(3)将所获取的无干扰信号作为建模数据，获取三点坐标：三点坐标的获取步骤如下：a、基于三点法的预测模型包括三种：二次抛物线型、直线型与指数曲线型、三次抛物线型，从中选择一种预测模型，建立柴油机运行参数三点模型；b、确定三点坐标：对于柴油机的一项运行参数，三点纵坐标的确定应满足如下原则：1)原序列总项数N应当是奇数，此时N＝n,当总项数为偶数时，则去除第一项检测数据，使N奇数化，此时N‑1＝n，n为实际序列总项数，同时，n不小于9；2)若实际序列总项数9≤n<15，则在保持检测数据排列顺序不变的前提下，抽取实际序列的前3项、正中3项、后3项检测数据，分别构成初期、中期、近期子序列；每个子序列算出一个加权平均数，得到的三个加权平均数就是需要确定的三点的纵坐标；对于每一子序列，检测数据对应权数的选择由远及近分别取1、2、3；3)若实际序列总项数n≥15，则在保持检测数据排列顺序不变的前提下，抽取原序列的前5项、正中5项、后5项检测数据，分别构成初期、中期、近期子序列。每个子序列算出一个加权平均数，得到的三个加权平均数就是需要确定的三点的纵坐标；对于每一子序列，检测数据对应权数由远及近依次选取1、2、3、4、5；在满足以上三个原则的前提下，将初期、中期、近期三点的坐标分别设为M1(t1,R),M2(t2,S),M3(t3,T)其中，M1,M2,M3分别代表初期、中期、近期三点；t1,t2,t3分别为初期、中期、近期三点横坐标；R,S,T分别为初期、中期、近期三点纵坐标；设正中项数实际序列各项检测值为y1、y2、…yd…yn；因此对于五项加权平均，三点的纵坐标为：R=115(y1+2y2+3y3+4y4+5y5)]]>S=115(yd-2+2yd-1+3yd+4yd+1+5yd+2)]]>T=115(yn-4+2yn-3+3yn-2+4yn-1+5yn)]]>对于三项加权平均，三点的纵坐标为：R=16(y1+2y2+3y3)]]>S=16(yd-1+2yd+3yd+1)]]>T=16(yn-2+2yn-1+3yn)]]>同样的，三点的横坐标也取各项检测值对应时间点的加权平均数；对于五项加权平均，三点横坐标为：t1=115(1+2×2+3×3+4×4+5×5)=113=3+23]]>t2=d+23=n+12+23=3n+76]]>t3=(n-2)+23=n-43]]>对于五项加权平均，三点的坐标为：M1(113,R)M2(3n+76,S),M3(n-43,T)]]>对于三项加权平均，三点的横坐标为：t1=16(1+2×2+3×3)=73=2+13]]>t2=d+13=n+12+13=3n+56]]>t3=(n-1)+13=n-23]]>对于三项加权平均，三点的坐标为：M1(73,R),M2(3n+56,S),M3(n-23,T)]]>(4)计算趋势线模型参数估计值，并生成预测数据：对于二次抛物线型，其预测趋势线模型为对于直线型和指数曲线型，其预测趋势线模型分别为和对于三次抛物线型，其预测趋势线模型为将步骤(3)中三点坐标带入，求得各预测模型的参数估计值，完成建模；在此基础上，生成预测数据；(5)返回步骤(3)建立模型，直至获得所有所需柴油机运行状态参数预测值。...

【技术特征摘要】
1.基于三点模型的柴油机故障预测方法，其特征是：(1)等时采集检测柴油机运行参数，所采集的运行参数包括：功率、油耗率、转速、烟度、噪声、滑油压力、排气温度、增压后进气压力；(2)将获得的柴油机运行参数进行中位值滤波，将含有噪声的运行参数转换为无干扰信号，对于每一项参数，按照时间顺序，由远及近分别构成建模原序列；(3)将所获取的无干扰信号作为建模数据，获取三点坐标：三点坐标的获取步骤如下：a、基于三点法的预测模型包括三种：二次抛物线型、直线型与指数曲线型、三次抛物线型，从中选择一种预测模型，建立柴油机运行参数三点模型；b、确定三点坐标：对于柴油机的一项运行参数，三点纵坐标的确定应满足如下原则：1)原序列总项数N应当是奇数，此时N＝n,当总项数为偶数时，则去除第一项检测数据，使N奇数化，此时N-1＝n，n为实际序列总项数，同时，n不小于9；2)若实际序列总项数9≤n＜15，则在保持检测数据排列顺序不变的前提下，抽取实际序列的前3项、正中3项、后3项检测数据，分别构成初期、中期、近期子序列；每个子序列算出一个加权平均数，得到的三个加权平均数就是需要确定的三点的纵坐标；对于每一子序列，检测数据对应权数的选择由远及近分别取1、2、3；3)若实际序列总项数n≥15，则在保持检测数据排列顺序不变的前提下，抽取原序列的前5项、正中5项、后5项检测数据，分别构成初期、中期、近期子序列；每个子序列算出一个加权平均数，得到的三个加权平均数就是需要确定的三点的纵坐标；对于每一子序列，检测数据对应权数由远及近依次选取1、2、3、4、5；在满足以上三个原则的前提下，将初期、中期、近期三点的坐标分别设为M1(t1,R),M2(t2,S),M3(t3,T)其中，M1,M2,M3分别代表初期、中期、近期三点；t1,t2,t3分别为初期、中期、近期三点横坐标；R,S,T分别为初期、中期、近期三点纵坐标；设正中项数实际序列各项检测值为y1、y2、…yd…yn；因此对于五项加权...

【专利技术属性】
技术研发人员：李文辉，董佳莹，费景洲，王金鑫，王忠巍，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江;23