柴油发动机空气系统健康评估方法，涉及发动机故障诊断领域。解决了现有技术中缺少根据柴油机在各复杂工况下的运行参数特征来表征空气系统健康状态的问题。本发明专利技术方法通过构建的训练样本集对CNN模型进行训练，利用训练后的CNN模型对实际样本进行健康识别；构建训练样本集的过程中，先对采集的参数进行预处理后，再确定预处理后的各时刻所采集的柴油机空气系统的特征参数，确定各时刻柴油机空气系统的健康状态类别并进行类别标记，再利用工况划分，使每个终选样本中包含3种工况，丰富样本使CNN模型感受视野更加丰富，提高训练精度及分类准确度。针对于柴油机工况进行划分后输入模型，更方便提取不同工况的运行参数特征，从而更为精确的表征空气系统的健康状态。更为精确的表征空气系统的健康状态。更为精确的表征空气系统的健康状态。
【技术实现步骤摘要】
柴油发动机空气系统健康评估方法
[0001]本专利技术涉及发动机故障诊断领域。
技术介绍
[0002]随着世界科学技术的不断发展与进步，汽车工业也飞速发展，而由于汽车融合了越来越多的新型技术，汽车工业逐渐趋于集成化和智能化，给用户带来了更多功能体验的同时，也使得汽车的系统越来越复杂，这就对汽车发动机的维修与保养带来了极大的挑战，而视情维修具有规模小、效率高、经济可承受性好并且能够避免大型事故的优点。在故障未发生时进行有效合理的健康评估，对于柴油发动机的视情维修和提高其经济性、可靠性和安全性都具有重大意义。
[0003]车企在研发和路试过程中会采集到大量的数据，这些数据所蕴含的巨大价值并未得到充分的利用，在当今大数据时代背景下，数据挖掘和分析所能产生的经济效益不可估量；此外，PHM技术目前在航空发动机领域得到了成功的应用，但是对于汽车发动机的研究还比较少。对本专利技术涉及的柴油机空气系统而言，这些数据的研究对于空气系统乃至扩展到整车的故障诊断和健康管理都具有十分重要的意义，不仅可以提高柴油机运行可靠性，同时这种基于数据的健康评估方法也降低了管理的难度和成本，同时对于未来普及车联网技术和柴油机的智能化人机交互也十分重要。
[0004]现有柴油发动机空气系统容易出现的故障，且现有技术中存在发动机健康管理和故障预测方法的相关专利，具体专利1、主题名称为一种航空发动机故障预测方法，申请号：CN202110413775.1；专利2、主题名称为一种发动机故障预测分析方法，申请号：CN202010971532.5；专利3、主题名称为一种发动机故障预测方法，申请号：CN201710249558.7；
[0005]专利1是针对航空发动机的，并未针对柴油发动机空气系统进行研究；专利2是基于SOM神经网络和小波神经网络建立起故障分析模型，对待预测发动机进行准确的故障诊断和故障时间预测，但是并没有考虑到发动机由于其工况复杂性，需要对发动机参数进行分工况处理；专利3是使用全连接网络和softmax分类器确定发动机剩余寿命，同样也没有考虑工况问题。
[0006]因此，现有技术中缺少根据柴油机在各复杂工况下的运行参数特征来表征空气系统健康状态，以上问题亟需解决。
技术实现思路
[0007]本专利技术目的是为了解决现有技术中缺少根据柴油机在各复杂工况下的运行参数特征来表征空气系统健康状态的问题，本专利技术提供了一种柴油发动机空气系统健康评估方法。
[0008]柴油发动机空气系统健康评估方法，包括如下步骤：
[0009]S1、在预设时间段内采集柴油机空气系统的特征参数，并对所采集的所有特征参
数进行预处理；
[0010]S2、根据预处理后的各时刻所采集的柴油机空气系统的特征参数，确定各时刻柴油机空气系统的健康状态类别并进行类别标记；
[0011]所述健康状态类别包括4种，分别为：确认健康状态、临近故障状态、故障待确认状态和故障状态；每个时刻采集的特征参数对应一种健康状态类别；
[0012]S3、对每种健康状态类别进行工况种类划分，使得每种健康状态类别下的所有时刻采集的特征参数被划分成对应的低工况、中工况或高工况；
[0013]其中，每时刻采集的特征参数对应一种工况；
[0014]S4、对每种健康状态类别下的所有时刻采集的特征参数进行数据重组，获得每种健康状态类别下的所有终选样本，从而由所有健康状态类别下的所有终选样本构建训练样本集；每个终选样本由一个低工况、一个中工况和一个高工况所对应时刻的特征参数构成；
[0015]S5、利用训练样本集中各初选样本对CNN模型进行训练，直至CNN模型的残差小于预设值，获得训练后的CNN模型；
[0016]S6、利用训练后的CNN模型对从实际运行的柴油机空气系统中采集的实际样本进行健康状态类别的确定，从而获得当前实际样本所对应的时间段内柴油机空气系统健康状态类别，完成柴油机空气系统健康评估；
[0017]所述实际样本为由3个时刻所采集的柴油机空气系统的特征参数构成，且该3个时刻分别对应低、中、高三种工况。
[0018]优选的是，S1、对所采集的所有特征参数进行预处理的实现方式为：
[0019]将每个时刻所采集的柴油机空气系统的特征参数作为一组，当各组中参数出现空值、离群点或坏点时，将其整组参数进行去除，并将剩余组参数进行数据归一化处理，完成预处理。
[0020]优选的是，S2、根据预处理后的各时刻所采集的柴油机空气系统的特征参数，确定各时刻柴油机空气系统的健康状态类别的实现方式为：
[0021]S21、车载自诊断系统根据预处理后的各时刻所采集的柴油机空气系统的特征参数，识别出相应时刻所对应的柴油机空气系统的健康状态类别为故障状态或故障待确认状态；
[0022]S22、对于未识别出柴油机空气系统的健康状态类别的相应时刻，将最早时刻出现的故障待确认状态前一小时之内的所有时刻所对应的柴油机空气系统的健康状态类别定义临近故障状态；
[0023]S23、将在预设时间段内除故障状态、故障待确认状态和临近故障状态所对应时刻之外的剩余各时刻所对应的柴油机空气系统的健康状态类别定义为健康状态，从而完成各时刻柴油机空气系统的健康状态类别的确定。
[0024]优选的是，S3、工况种类划分的条件为：根据各时刻采集的特征参数中的发动机转速确定，其中，
[0025]其中，低工况转速区间为发动机怠速到额定工况的最低转速间的范围；
[0026]中工况转速区间为发动机额定工况的转速范围；
[0027]高工况转速区间为发动机额定工况的最高转速到发动机最高转速间的范围。
[0028]优选的是，S4、对每种健康状态类别下的所有时刻采集的特征参数进行数据重组，
获得每种健康状态类别下的所有终选样本的实现方式为：
[0029]将同种健康状态类别下的三种工况进行任意组合，并将该组合中的一个低工况、一个中工况和一个高工况所对应时刻的特征参数作为一个初选样本，再对该初选样本进行扩充，获得终选样本，从而获得该同种健康状态类别下的多个终选样本。
[0030]优选的是，对初选样本进行扩充，获得终选样本的实现方式为：
[0031]对初选样本的每种工况下的n个特征参数进行多次复制及重新排列，形成n
×
n维的矩阵，且该矩阵所有行中n个特征参数的种类均相同，但该矩阵各行中N个特征参数的排列方式各不相同；其中，n为整数。
[0032]优选的是，同种健康状态类别下的三种工况进行任意组合的原则为：
[0033]在同种健康状态类别下，依次选择3种工况中工况数量最少时所对应的该种工况中的一个工况所对应时刻的特征参数、与剩余两种工况中每种工况中的任意一个工况所对应时刻的特征参数进行组合；
[0034]此时，同种健康状态类别下3种工况中工况数量最少时所对应的该种工况的数量与该种健康状态类别下所形成的初选样本数量相同。
[0035]优选的是，每本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.柴油发动机空气系统健康评估方法，其特征在于，包括如下步骤：S1、在预设时间段内采集柴油机空气系统的特征参数，并对所采集的所有特征参数进行预处理；S2、根据预处理后的各时刻所采集的柴油机空气系统的特征参数，确定各时刻柴油机空气系统的健康状态类别并进行类别标记；所述健康状态类别包括4种，分别为：确认健康状态、临近故障状态、故障待确认状态和故障状态；每个时刻采集的特征参数对应一种健康状态类别；S3、对每种健康状态类别进行工况种类划分，使得每种健康状态类别下的所有时刻采集的特征参数被划分成对应的低工况、中工况或高工况；其中，每时刻采集的特征参数对应一种工况；S4、对每种健康状态类别下的所有时刻采集的特征参数进行数据重组，获得每种健康状态类别下的所有终选样本，从而由所有健康状态类别下的所有终选样本构建训练样本集；每个终选样本由一个低工况、一个中工况和一个高工况所对应时刻的特征参数构成；S5、利用训练样本集中各初选样本对CNN模型进行训练，直至CNN模型的残差小于预设值，获得训练后的CNN模型；S6、利用训练后的CNN模型对从实际运行的柴油机空气系统中采集的实际样本进行健康状态类别的确定，从而获得当前实际样本所对应的时间段内柴油机空气系统健康状态类别，完成柴油机空气系统健康评估；所述实际样本为由3个时刻所采集的柴油机空气系统的特征参数构成，且该3个时刻分别对应低、中、高三种工况。2.根据权利要求1所述的柴油发动机空气系统健康评估方法，其特征在于，S1、对所采集的所有特征参数进行预处理的实现方式为：将每个时刻所采集的柴油机空气系统的特征参数作为一组，当各组中参数出现空值、离群点或坏点时，将其整组参数进行去除，并将剩余组参数进行数据归一化处理，完成预处理。3.根据权利要求2所述的柴油发动机空气系统健康评估方法，其特征在于，S2、根据预处理后的各时刻所采集的柴油机空气系统的特征参数，确定各时刻柴油机空气系统的健康状态类别的实现方式为：S21、车载自诊断系统根据预处理后的各时刻所采集的柴油机空气系统的特征参数，识别出相应时刻所对应的柴油机空气系统的健康状态类别为故障状态或故障待确认状态；S22、对于未识别出柴油机空气系统的健康状态类别的相应时刻，将最早时刻出现的故障待确认状态前一小时之内的所有时刻所对应的柴油机空...
【专利技术属性】
技术研发人员：王彦岩，文冠华，佀庆涛，刘斌，马琮淦，张正兴，周鹏，段志辉，林波，沈照杰，崔智全，纪兆圻，
申请(专利权)人：一汽解放汽车有限公司，
类型：发明
国别省市：
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。