作者 陈雷1 杨丽娟2 1.西安工业大学 核算机学院(陕西 西安 710032) 2.西安工业大学 北方信息工程学院(陕西 西安 710200)
*基金项目：陕西省教育厅专项科研方案项目(编号：2010JK595)
陈雷(1980-)，男，硕士，讲师，研讨方向：核算机操控，毛病确诊。
摘要：柴油发动机修理费用很大，关于发生毛病的发动机，找出其原因并有效地排除毛病具有十分重要的含义。本文首要介绍了柴油发动机的首要毛病以及毛病树确诊的办法、过程，再运用毛病树剖析法对柴油机供油体系毛病做出体系全面地剖析。在体系的剖析之后，用LabVIEW渠道模仿柴油发动机毛病确诊体系，对模仿毛病进行确诊，确诊成果经过人机界面输出，然后完成了毛病确诊的智能化。
导言
柴油发动机一般作业在高温、高速、强振荡、大应力的恶劣环境下，发动机的作业状况常常改换，接受变载荷，对安全性与牢靠性要求极高。柴油发动机结构杂乱，作业条件恶劣，使得发动机毛病率较高，修理保养费用很大。据统计，发动机各种运用费用中，修理保养费就占了15%～30%，而且，一旦呈现毛病，发动机的动力性、经济性、牢靠性、安全性都会遭到很大的影响，甚至会直接影响到发动机的运用寿命。关于发生了毛病的柴油机，快速地找出毛病发生的原因，并依据毛病发生的原因来有效地排除毛病，然后保证动力装置可以正常、平稳地运转。
1 柴油发动机毛病确诊办法
毛病确诊办法可以分为依据模型的办法、依据信号处理的办法和依据常识的办法。依据模型的办法需求树立比较精确的数学模型，依据信号处理的办法需求使用频谱剖析、相关剖析、小波剖析等各种办法，依据常识的办法首要是使用确诊目标信息、专家确诊常识等。
因为信息处理技能的开展和新式传感器的使用，柴油发动机的监测数据越来越多。用于状况监测与毛病确诊的有用信息以各种方式存在于信息载体中，在发动机毛病确诊过程中，可以获取发动机的负荷程度、功率、转速、燃油温度、燃油耗费率、滑油耗费量、滑油温度、滑油压力、冷却液温度、冷却液压力、增压器压力、增压器转速、排气温度、进气温度、进气压力和光谱数据等参数的实时数据和历史数据，经过这些参数的监测可以对发动机的毛病进行精确的确诊。本文采用了依据毛病参数加权可信度的毛病树确诊办法。
2 实时获取参数的加权可信度
在体系进行毛病确诊时，获取了实时的毛病参数，然后确诊传感器收集的参数数值进行判别，可是在使用这些参数进行数据融合时，没有考虑到此刻传感器收集的数据是否可信。假如此刻收集的数据是不可信的，关于最终的确诊成果会发生差错，所以本文提出了加权可信度的办法，使用传感器获取的历史数据来核算此刻数据的可信度。
假定在某一时间t取得了传感器的收集某参数的数据Xt，在这个时间的之前第t-△t取得收集数据Xt-△t，数据遵守高斯分布，以它们的高斯曲线作为传感器的特性函数，记为Pt(x)、Pt-△t(x)。
用相信距离测度反映Pt(x)和Pt-△t (x)之间的差错巨细，设：
其间：
dti表明t时间数据与t-Δt时间数据的相信距离测度，凭借差错函数erf(θ)，求得：
假定r1表明xt-Δt对xt的支撑程度，则r1应该为相信距离测度dti的函数，而且dti越大，r1越小，依据实践情况可以设置时间距离Δt，然后取得多个ri。
ri=f(dti)
ri是单调下降的函数，且0≤ri ≤10。
则在某时间的数据xt，存在一个一维支撑矩阵R=[r1 r2 r3…… rn]。
xt的实在支撑程度应该由r1 ，r2 ，r3…… rn的归纳支撑程度表现，设xt的归纳支撑程度为ri，ri越大，xt的牢靠性越高，则ri应满意下面条件：
因为与t时间的数据越近的相信度越高，所以针对不同的时间距离，分配不同的权重系数a1，a2，a3…… an。
R=r1a1+ r2a2+ r3a3……rnan
写成矩阵方式如下：
r=Ra
其间a=[a1，a2，a3……an]T，r便是t时间该参数此刻数据的可信度权值。使用本办法就可以针对一切要进行确诊的参数数据进行可信度权值的核算，核算后就发生了一切确诊参数的权值矩阵：
。
之后使用依据先验常识设置的各参数相信权值限矩阵进行比对，假如收集的参数的可信度没有到达相信权值限，则以为此刻的数据不可信就可以不将此参数作为毛病确诊的输入。如此操作后，可以将确诊的一切输入参数一致进行加权可信度的剖析，然后除掉了不可信的参数，使得最终的确诊成果愈加精确。
3 仿实在验成果
本文以柴油发动机的凸轮轴磨损毛病为例进行试验验证，该毛病树如图2所示。
其数据型参数的参阅数值规模如表1所示。
首要丈量出该毛病的毛病参数的数值如下：
排气冒黑烟，光谱数据发生变化。每个参数的先验权值设为16.6667%，实践的收集数据为：
100%负荷下功率： 289 287 290 293 289 301 293 294 289 300 298;
增压压力：84 92 86 94 83 91 90 89 94 87 82;
排温：412.2 427 423 415 427 430 428 426 423 431 400;
冷却水温度:71 70 77 72 73 70 74 70 72 74 72;
丈量出10组数据后，依据参数的参阅规模设置参数的比较上下限，经过上文说到的可信度加权的核算给收集的参数加权，最终使用各个参数的可信度加权数据进行逻辑判别核算出该毛病的概率，经过该概率与设置的概率报警下限的比较完成毛病的报警。
4 定论
经过本体系的可信度核算，体系就会依据设定的野值除掉规矩将呈现的野值除掉，然后避免了毛病的误报。经过本体系的规划及仿真，可以看出依据可信度的技能的使用大大降低了毛病的误报率，处理了误报率居高不下的问题，而且为日后的数据剖析供给了可查数据。可是本体系的数据是模仿的数据，可以从必定程度上验证算法的可信性，期望可以使用实在的数据和硬件的体系进行集成，为日后的实在体系开发供给参阅。
参阅文献：
[1]徐章遂.房立清.米东.神经网络的柴油机燃油体系毛病确诊[J].内燃机工程,2001. 22(3):32-35.
[2]乔新勇.刘东利.康葳.依据压力波的柴油发动机喷油器毛病确诊研讨[J].无损检测,2004(4):180-184.
[3]卫军.宋保维.王文斌.依据虚拟仪器的柴油发动机喷油器毛病确诊研讨[J].机械与电子,2006(7):53-55.
[4]刘守道,张来斌,王朝晖.柴油机毛病确诊的现代办法及展望[J].石油矿场机械, 2000, 29(1):32-35.
[5]郭涛,赵志宇.依据毛病树的车辆柴油机毛病确诊[J].数码国际, 2016(9).
[6]陈农田,马婷,王杰,等.含糊毛病树剖析法在航空发动机滑油渗漏剖析中的使用
[J].核算机丈量与操控,2016, 24(6).
本文来源于《电子产品国际》2017年第4期第41页，欢迎您写论文时引证，并注明出处。
