柴油发动机空气系统故障检测方法技术方案

柴油发动机空气系统故障检测方法，属于汽车故障检测领域。本发明专利技术解决了现有技术中柴油发动机故障检测模型检测精度低、检测速度慢的问题。本发明专利技术先利用1号健康数据集对初始发动机自编码器故障模型进行训练，获得初步训练完成的发动机自编码器故障模型；再利用2号健康数据集和一个故障数据集对初步训练完成的发动机自编码器故障模型进行验证，确定初步训练完成的发动机自编码器故障模型的重构误差阈值L，从而完成对发动机自编码器故障模型的构建；最后利用构建的故障检测模型实现对故障进行检测。本发明专利技术主要用于对柴油发动机的空气系统进行故障检测。统进行故障检测。统进行故障检测。

【技术实现步骤摘要】
柴油发动机空气系统故障检测方法


[0001]本专利技术属于汽车故障检测领域。

技术介绍

[0002]随着柴油机技术的不断发展以及法规对柴油机排放要求的提高，柴油机空气系统结构日益复杂，在最新的国六柴油机空气系统中，包含了涡轮增压器系统、EGR废气再循环系统、DOC氧化催化器等结构，此外还增加了诸如电子节流阀等部件对后处理部分进行优化。为了对各个部件进行控制和全面的状态监测，柴油机的电控系统也更为精细，传感器和执行器的数量大大增加。
[0003]目前国六柴油发动机空气系统可监测参数已经达到80余种，包括进气流量及压力、排气流量、EGR支路流量及压力、烟度限制lambda值等。作为运载装置上的核心部件，柴油机的复杂化是科技发展的必然结果，也是保障其性能与时俱进的必要措施。但同时，发动机空气系统复杂的结构使得柴油机维修与保养费时费力，精确模型的建立愈加困难，故障检查与维修的流程冗杂导致检测速度慢，传统方法难以在复杂设备上成功应用，由此提高了柴油机的使用成本。尤其对于柴油机这类商用发动机来说，若能及时发现柴油机是否故障，提前做出预警，能够避免后本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.柴油发动机空气系统故障检测方法，其特征在于，包括如下步骤：S1、利用1号健康数据集、2号健康数据集和故障数据集，构建发动机自编码器故障模型；S2、利用所构建的发动机自编码器故障模型对从发动机空气系统中采集的实时运行数据进行故障检测，从而确定发动机空气系统是否故障。2.根据权利要求1所述的柴油发动机空气系统故障检测方法，其特征在于，步骤S1中，利用1号健康数据集、2号健康数据集和故障数据集，构建发动机自编码器故障模型的具体过程为：S11、利用1号健康数据集对初始发动机自编码器故障模型进行训练，获得初步训练完成的发动机自编码器故障模型；其中，初始发动机自编码器故障模型采用神经元权重值随机的多层神经网络实现；S12、利用2号健康数据集和一个故障数据集对初步训练完成的发动机自编码器故障模型进行验证，确定初步训练完成的发动机自编码器故障模型的重构误差阈值L，从而完成对发动机自编码器故障模型的构建，其中，所确定的初步训练完成的发动机自编码器故障模型的重构误差阈值L，还作为初步训练完成的发动机自编码器故障模型的JS散度阈值。3.根据权利要求2所述的柴油发动机空气系统故障检测方法，其特征在于，步骤S12中，利用2号健康数据集和一个故障数据集对初步训练完成的发动机自编码器故障模型进行验证，确定初步训练完成的发动机自编码器故障模型的重构误差阈值的具体过程为：S121、预设重构误差阈值的初始值；S122、在当前预设重构误差阈值条件下，首先、将2号健康数据集中的每个健康样本送至初步训练完成的发动机自编码器故障模型，利用初步训练完成的发动机自编码器故障模型对2号健康数据集中的每个健康样本进行重构，获得重构健康样本，再根据2号健康数据集中的每个健康样本及该健康样本所对应的重构健康样本，获得2号健康数据集中的每个健康样本所对应的健康数据重构误差；再将故障数据集中的每个故障样本送至初步训练完成的发动机自编码器故障模型，利用初步训练完成的发动机自编码器故障模型对故障数据集中的每个故障样本进行重构，获得重构故障样本，再根据故障数据集中的每个故障样本及该故障样本所对应的重构故障样本，获得故障数据集中的每个故障样本所对应的故障数据重构误差；最后，根据所有健康数据重构误差，确定当前预设重构误差阈值条件下所对应的误检率；根据所有故障数据重构误差，确定当前预设重构误差阈值条件下所对应的检出率；S123、对当前预设重构误差阈值向递减方向进行依次进行N次调整，每次递减调整步长为h，每次对当前预设重构误差阈值调整后，执行步骤S121，从而获得每个预设重构误差阈值条件下所对应的检出率和误检率；S124、根据所有预设重构误差阈值所对应的检出率和误检率，获得检出率相对增长率曲线和误检率相对增长率曲线；S125、将检出率相对增长曲线和误检率相对增长曲线间的交点所对应的预设重构误差阈值，作为初步训练完成的发动机自编码器故障模型的重构误差阈值L。4.根据权利要求3所述的柴油发动机空气系统故障检测方法，其特征在于，步骤S122
中，根据所有健康数据重构误差，确定当前预设重构误差阈值条件下所对应的误检率的实现方式包括：S122
‑
11、将当前预设重构误差阈值条件下的每个健康数据重构误差分别与当前预设重构误差阈值比较，当当前健康数据重构误差小于当前预设重构误差阈值时，则判定初步训练完成的发动机自编码器故障模型重构过程正确，反之，当当前健康数据重构误差大于或等于当前预设重构误差阈值时，则判定初步训练完成的发动机自编码器故障模型重构过程错误，并统计初步训练完成的发动机自编码器故障模型重构过程正确的个数Q1和初步训练完成的发动机自编码器故障模型重构过程错误的个数Q2；其中Q＝Q1+Q2；Q为当前预设重构误差阈值条件下的所有健康数据重构误差的总个数；S122
‑
12、根据Q2和Q，获得的当前预设重构误差阈值条件下所对应的误检率5.根据权利要求3所述的柴油发动机空气系统故障检测方法，其特征在于，步骤S122中、根据所有故障数据重构误差，确定当前预设重构误差阈值条件下所对应的检出率的实现方式包括：S122
‑
21、将当前预设重构误差阈值条件下的每个故障数据重构误差分别与当前预设重构误差阈值比较，当当前故障数据重构误差大于当前预设重构误差阈值时，则判定初步训练完成的发动机自编码器故障模型重构过程正确，反之，当当前故障数据重构误差小于或等于当前预设重构误差阈值时，则判定初步训练完成的发动机自编码器故障模型重构过程错误，并统计初步训练完成的发动机自编码器故障模型重构过程正确的个数P1和初步训练完成的发动机自编码器故障模型重构过程错误的个数P2；其中P＝P1+P2；P为当前预设重构误差阈值条件下的所有故障数据重构误差的总个数；S122
‑
22、根据P1和P，获得的当前预设重构误差阈值条件下所对应的检出率6.根据权利要求3所述的柴油发动机空气系统...

【专利技术属性】
技术研发人员：王彦岩，朱东杰，张瑞天，任宁，刘斌，张正兴，李金，孟祥开，
申请(专利权)人：一汽解放汽车有限公司，
类型：发明
国别省市：