基于二进制粒子群算法的发动机故障诊断方法与流程

本发明涉及基于二进制粒子群算法的发动机故障诊断方法，属于柴油机领域。

背景技术：

1、柴油机气缸失火故障是柴油机由于燃油计量不准、压缩压力太低、燃油混合气过稀或者其他原因，导致燃油混合气在气缸内不能正常燃烧的故障。柴油机发生气缸失火故障时，尾气中未燃的混合气有爆炸的危险，还会造成扭矩的波动和排放污染物的增高，因此对柴油机进行气缸失火故障诊断十分必要。

2、目前，发动机失火或发火不均匀故障故障的在线诊断方法研究较少，而且，从单一的瞬时转速信号中提取的众多特征并非均可用于分类，其中大多数是不相关的或多余的特征，若错误地将不相关或多余特征引入将会降低分类器的性能。而单一的故障特征又无法包含足够的信息，存在一定的局限性。

3、故利用二进制粒子群算法选取一定数量的特征子集，降低特征数据维度，以求加快算法运行速度、扩大诊断工况范围和提高准确率。因此需要利用二进制粒子群算法进行发动机失火或发火不均匀故障的在线诊断分析。

技术实现思路

1、发明目的：为了克服现有技术中存在的不足，本发明提供一种基于二进制粒子群算法的发动机故障诊断方法，以同工况下柴油机正常运行时转速及特征参数为基准，计算转速及转速特征参数偏差率，基于偏差率指标判断主机各气缸运行状态是否异常，以实现失火或发火不均匀故障诊断。

2、技术方案：为解决上述技术问题，本发明的一种基于二进制粒子群算法的发动机故障诊断方法，包括以下步骤：

3、s1、通过传感器获取主机的转速信息；

4、s2、主机转速信号数据预处理；

5、s3、特征参数计算；

6、s4、使用粒子群优化算法进行特征选择；

7、s5、最优特征参数偏差率计算及阈值判断。

8、作为优选，所述步骤s2具体包括：

9、s21、采集柴油机转速信号，对转速信号进行滤波降噪，滤除离群值与高频噪声；

10、s22、采用指数移动加权平均法滤波降噪，该方法指各数值的加权系数随时间呈指数式递减，越靠近当前时刻的数值加权系数就越大。

11、指数移动加权平均法公式如下：

12、

13、式中，θ＝{θ1，θ2，…θn}为柴油机转速的数据序列；v为滤波后的数据序列，v＝{v1，v2，…vn}；vt是指在t时刻柴油机转速的移动平均预测值，θt是t时刻柴油机转速的实测值，β为权重系数，vt-1指使用t-1时刻柴油机转速的移动平均预测值替换原数据序列中的实测值；

14、s23、权重系数β表示权重下降的速率，系数越小就说明对过去平均预测值的权重越低，也就是对当前实测值的权重越高，移动平均估计值的时效性就越强。反之，则会越弱。指数移动加权平均还有另一个特点就是能吸收瞬时突发的能力也就是平稳性(使得到的曲线趋势能够更加平缓)，如果对过去预测值的权重越低也就是权重系数β越小，那么平稳性就差一点，反之平稳性会增强。权重系数β越小下降的越快，一般选择β＝0.9，当权重系数β设定为0.9时，指数移动加权平均法公式如下所示：

15、vt＝0.1θt+0.1×0.9θt-1+0.1×(0.9)2θt-2+…0.1×(0.9)t-1θ1

16、s24、规定数据序列θ内存储满360个采样数据后调用该故障诊断子函数，即柴油机转速的数据序列θ＝{θ1，θ2，…θ360}；

17、s25、规定12个采样周期为1个计算周期，即连续12个采样点数据为一个计算周期的采样数据，重建后的数据序列同样以12个数据为一个计算周期的数据；

18、作为优选，所述步骤s3具体包括：

19、s31、计算经滤波处理后的转速信号在时域内的12种特征参数，算术平均值f1、峰峰值f2、整流平均值f3、方差f4、标准差f5、峭度f6、偏度f7、均方根f8、波形因子f9、峰值因子f10、脉冲因子f11、裕度因子f12；

20、作为优选，所述步骤s4具体包括：

21、s41、导入正常和单缸失火故障状态下的转速信号提取的特征参数矩阵；

22、s42、初始化粒子群优化算法参数；

23、s43、初始化粒子；

24、s44、计算迭代的初始条件；

25、s45、开始迭代计算；

26、s46、得到全局最优位置gbest即为粒子群优化算法给出的特征选择的结果，即为特征参数fa。

27、作为优选，所述所述步骤s5具体包括：

28、s51、步骤s3中粒子群优化算法选择出柴油机气缸失火或发火不均匀故障诊断的最优参数为fa，以同工况下柴油机正常运行时柴油机转速fa为基准，计算柴油机转速信号fa偏差率；

29、s52、主机转速fa偏差率计算：

30、

31、式中，skew为主机转速的fa，skews为同工况下柴油机正常运行时转速的fa；

32、s53、阈值判断

33、

34、有益效果：本发明的基于二进制粒子群算法的发动机故障诊断方法，采用指数移动平均法对柴油机转速信号进行数据处理，对数据进行去除离群值、过滤高频噪声等预处理，计算柴油机转速信号时域内的12种特征参数，为降低特征集合维数，使用粒子优化算法进行特征提取，选取最优特征参数。以同工况下柴油机正常运行时转速及特征参数为基准，计算转速及转速特征参数偏差率，基于偏差率指标判断主机各气缸运行状态是否异常，以实现失火或发火不均匀故障诊断。本专利充分利用各种特征信息，提高诊断速度和精确度，在柴油机的故障诊断中显示了极大的潜力。它的应用将有利于柴油机故障诊断水平的提高。

技术特征：

1.一种基于二进制粒子群算法的发动机故障诊断方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于二进制粒子群算法的发动机故障诊断方法，其特征在于，所述步骤s2具体包括：

3.根据权利要求1所述的基于二进制粒子群算法的发动机故障诊断方法，其特征在于，所述步骤s3具体包括：

4.根据权利要求1所述的基于二进制粒子群算法的发动机故障诊断方法，其特征在于，所述步骤s4具体包括：

5.根据权利要求1所述的基于二进制粒子群算法的发动机故障诊断方法，其特征在于，所述步骤s5具体包括：

技术总结本发明公开了一种基于二进制粒子群算法的发动机故障诊断方法，包括以下步骤：S1、通过传感器获取主机的转速信息；S2、主机转速信号数据预处理；S3、特征参数计算；S4、使用粒子群优化算法进行特征选择；S5、最优特征参数偏差率计算及阈值判断。本发明的一种基于二进制粒子群算法的发动机故障诊断方法，以同工况下柴油机正常运行时转速及特征参数为基准，计算转速及转速特征参数偏差率，基于偏差率指标判断主机各气缸运行状态是否异常，以实现失火或发火不均匀故障诊断。技术研发人员：李华鹏,应宇辰,刘冬冬,赵质良,王中峰,丛琳,张雨,刘天宇,岳靖楠受保护的技术使用者：中国人民解放军92493部队计量测试研究所技术研发日：技术公布日：2024/6/11