一种柴油发动机故障诊断方法技术

本发明专利技术提出一种柴油发动机故障诊断方法的技术方案，采集发动机运转时缸盖振动信号；对采集到的振动信号进行自适应多尺度形态梯度滤波处理，从信号中提取出故障信息.对每类样本的自适应多尺度形态梯度滤波处理结果进行PCA分析，以结果特征值累计贡献率超过99％为要求确定基向量的秩r；对自适应多尺度形态梯度滤波处理结果进行非负矩阵分解处理，进一步提取故障信息同时进行数据降维，其中，非负矩阵分解基向量的秩r的取值方法是对每类样本的自适应多尺度形态梯度滤波处理结果进行PCA分析，以结果特征值累计贡献率超过99％为要求确定基向量的秩r；将非负矩阵分解处理结果按照K倍交叉验证方法分成训练集和测试集，并利用训练集训练深度置信网络模型，并将测试集输入到训练好的深度置信网络分类模型之后智能地输出诊断结果。本发明专利技术通过提出自适应多尺度形态梯度‑NMF‑DBN方法，实现了智能化故障诊断，减少了对人工经验的依赖。

A fault diagnosis method of diesel engine

【技术实现步骤摘要】
一种柴油发动机故障诊断方法
本专利技术属于机械工程
，具体涉及机械设备故障诊断方法的研究。
技术介绍
柴油机具有零部件多且相互关联、运动过程复杂、工作环境恶劣以及负载大等特点，因此发生故障的可能性也比较大。此外，由于柴油机的这些特点造成其振动信号成分复杂、噪声污染严重，且各部件没有故障特征频率，频谱分析对故障诊断指导意义不大。对其进行故障诊断要困难很多，一般的故障诊断方法应用于柴油机时可能效果不是很理想。所以，需要针对柴油机的特点研究更加适合有效的故障诊断方法。现有技术对柴油发动机(以下简称柴油机)的故障诊断方法有多种，主要有磨粒监测分析法、热力参数分析法、瞬时转速法、噪声分析法和振动分析法等。其中，振动分析法是研究最多的一种发动机故障诊断技术。利用振动信号分析法对发动机进行故障诊断，主要包括故障机理研究、振动数据采集、特征参数提取及智能分类四个部分。目前，信息融合的故障诊断方法逐渐成为研究热点，包括不同信号之间的融合以及多传感器信息融合等。此外，还有基于模型的故障诊断方法和时域、频域和时频域分析方法也常用于柴油机本文档来自技高网...

【技术保护点】
1.一种柴油发动机故障诊断方法，其特征在于，包含如下步骤：/n步骤1、采集发动机运转时缸盖振动信号；/n步骤2、对采集到的振动信号进行自适应多尺度形态梯度滤波处理，从信号中提取出故障信息./n定义MGF

【技术特征摘要】
1.一种柴油发动机故障诊断方法，其特征在于，包含如下步骤：
步骤1、采集发动机运转时缸盖振动信号；
步骤2、对采集到的振动信号进行自适应多尺度形态梯度滤波处理，从信号中提取出故障信息.
定义MGFDE为形态膨胀-腐蚀梯度滤波器，MGFOC为形态开-闭梯度滤波器，本发明给出一种自适应多尺度形态梯度滤波处理方法如下：
假设X和T分别为离散信号和形态算子，多尺度的形态学变换可以概括为形态学变换{Tλ|λ>0,λ∈Z}的集合，其中Tλ定义为：



假设振动信号f(n)是定义在F＝{0,1,2,...,N-1}上的离散函数，结构元素g(m)是定义在G＝{0,1,2,...,M-1}上的离散函数，且M＜＜N，则对于振动信号，将多尺度形态膨胀和腐蚀滤波器定义为：






其中，⊙，和·分别代表膨胀、腐蚀、开和闭四种运算，λg是尺度为λ的结构元素，即g经过λ-1次膨胀运算的结果：



同时信号f的多尺度膨胀和腐蚀运算满足：



f⊙(λ+1)g(n)＝(f⊙λg)⊙g(n),n＝0,1,2,...,N-1(6)
于是可以得到多尺度形态开、闭以及形态梯度滤波器：













得到信号的多尺度形态变换结果之后，采用加权平均法对结果进行整合；
假设结构元素的尺度集合为λ＝{λ1,λ2,...,λJ}，得到...

【专利技术属性】
技术研发人员：李海平，齐卓砾，胡君朋，张雪原，王寅，
申请(专利权)人：军事科学院系统工程研究院军用标准研究中心，
类型：发明
国别省市：北京;11