【技术实现步骤摘要】
一种机理数据融合的柴油机涡轮增压器故障检测方法
[0001]本专利技术涉及船舶柴油机涡轮增压器检测
，具体涉及一种机理数据融合的柴油机涡轮增压器故障检测方法，是一种基于涡轮增压器工作机理的效率公式，基于典型相关分析(下面简称“CCA”)和LQ分解(LQ Decomposition)的数据驱动建模的柴油机涡轮增压器故障检测方法。
技术介绍
[0002]柴油机是船舶等大型机械设备动力系统的重要部分，也是事故发生率最高和故障代价最高的部件。涡轮增压系统在提高柴油机功率密度、扭矩、促进涡轮增压燃料的充分燃烧和废气能量的回收利用等方面起着重作用。增压器故障也是柴油机的常见故障。目前故障检测方法主要有基于机理特性、基于模型和基于数据驱动的方法。基于机理特性的故障检测：通过对研究对象的结构力学、热力学原理、机械运动学等原理布置网络监测设备或特定信号实现故障检测；基于模型的故障检测：通过残差产生器、评估函数、阈值和决策逻辑提高故障检测性能；基于数据驱动故障检测：通过大量的传感器监测对柴油机的内部状态和动态特性、实时运行状态进行故障监测...
【技术保护点】
【技术特征摘要】
1.一种机理数据融合的柴油机增压器故障检测方法，建立涡轮增压器关键性能指标，通过基于典型相关分析CCA或LQ分解的关键性能指标(KPI)建模方法辨识模型，进行柴油机增压器故障的在线检测；包括如下步骤：1)建立涡轮增压器关键性能指标KPI，关键性能指标用于表示船用柴油机涡轮增压器的运行状况；包括如下过程：11)构造涡轮增压器的效率公式，表示为(式1)：其中，T、P分别表示涡轮增压器所处工作状态的温度和压强；下标1、2、3、4分别表示涡轮增压器压气机进气端、压气机排气端、涡轮机进气端、涡轮机排气端；R
g-t
和R
g-c
分别表示涡轮机和压气机的工质气体常数；f
t
和f
c
分别表示涡轮机和压气机的单位时间内的工质的质量流量；α
t
和α
c
分别为涡轮机和压气机对应工质的恒压比热容和恒容比热容的比值；12)获取参数经验值，计算得到12)获取参数经验值，计算得到其中，空气的理想气体常数是287J/(kg
·
K)，氮气的理想气体常数是296.8J/(kg
·
K)；13)计算得到进气的恒压比热容c
air
和排气的恒压比热容c
exh
：：其中，c
air
和c
exh
为压气机和涡轮机的平均进气温度下的对应值；14)计算得到比热容比例关系如下：14)计算得到比热容比例关系如下：根据涡轮增压系统的经验公式：得到基于经验参数的效率η
eff
，表示为(式2)：其中，G1和G2分别为压气机和涡轮机的增压压力比；2)根据机理选择KPI的相关变量；根据故障检测或性能检测的不同需求，获取KPI的相关变量，包括：主机增压器转速、轴
功率、主机负载、涡轮机和压气机在进气端的温度、进气端的压强、排气端的温度、排气端的压强中的多个；3)基于数据驱动的方法对KPI进行建模预测和残差计算，实现对增压器工作的动态过程KPI的检测；3a)针对于单一工况稳态运行下的柴油机增压器故障检测性能，采用基于典型相关分析CCA的关键性能指标(KPI)建模方法；给定关键性能指标Θ∈R
l
×
N
和相关变量X∈R
m
×
N
两组变量，其中l和m表示数据维度，L表示数据长度；假设两组变量服从如下分布：其中，ε()和∑分别表示均值和方差；假设两组变量存在映射拓扑关系，噪声为服从高斯分布零均值白噪声，表示为如下模型：其中，M矩阵为SVD分解得到线性投影矩阵，N矩阵为最小二乘辨识得到的系数矩阵，E为辨识的误差；辨识KPI与相关变量间的线性映射关系表示为：Θ＝NM
T
X构造数据结构形式表示为(式3)：构建协方差矩阵用于得到线性相关程度高的投影算子；再估计Θ和X的方差，表示为：对协方差矩阵进行奇异值分解，得到投影矩阵M：其中，n表示奇异值由大到小取n个对应的序号；σ表示奇异值；取Θ前l列，并用最小二乘方法进行辨识，得到系数矩阵N：
基于辨识模型预测估计θ的值，得到估计值表示为：再与实测值做差，得到相应的残差，表示为式4：r(k)＝θ(k)-NM
T
x(k).
ꢀꢀꢀꢀ
(式4)3b)针对于多工况运行下的全程状态的柴油机增压器故障检测性能，采用基于LQ分解的关键性能指标KPI建模方法；设增压器的动力学用如下线性时不变方程描述：其中，x(k)∈R
n
为系统状态变量，u(k)∈R
m
和y(k)∈R
l
表示增压器的工作指标，即相关变量；w(k)∈R
n
和v(k)∈R
l
为对应独立分布的零均值高斯噪声，且满足：E[w(k)]＝0,E[v(k)]＝0,且KPI与其相关变量的模型表示为：其中，F,G<...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。