详情

原文传递高压共轨电控喷油器故障诊断系统设计与研究

论文题名：	高压共轨电控喷油器故障诊断系统设计与研究
关键词：	船用柴油机;燃油喷射系统;故障诊断;局部均值分解;阈值降噪;粒子群优化
摘要：	船用柴油机的高压共轨燃油喷射系统故障率较高且故障影响恶劣，为了能够及时发现并定位故障，有必要对该系统开展故障诊断研究。考虑到现有研究工作缺乏完整的故障诊断技术路线，本文开展了燃油喷射系统故障诊断方法研究，并以此为基础开发了一套故障诊断系统以实现对电控喷油器的智能诊断，从而保证了船舶柴油机的可靠运行。　　首先对高压共轨燃油喷射系统进行了失效模式和影响分析，基于分析结果选择了故障危害较高的电控喷油器作为研究对象。为了获取有效的故障源信号，设计了详细的实验方案，搭建了故障实验平台，通过设置合适的控制台参数实现了故障信号的采集。　　然后开展了高压共轨电控喷油器故障诊断方法的研究，主要包括:(1)信号预处理方法研究。针对局部均值分解算法固有的端点效应缺陷，提出一种基于信号能量和偏斜度相似的自适应信号延拓方法，并构造了一种可根据信号的噪声含量自适应控制去噪程度的阈值函数。将改进局部均值分解算法与自适应阈值函数相结合提出了一种新的信号降噪方法，通过与常用降噪方法进行对比，结果表明提出方法的去噪性能优于现有降噪方法。(2)特征提取算法研究。针对高压油管压力波动信号的非线性特性，引入了复合多尺度加权排列熵(CompositeMulti-scaleWeightedPermutationEntropy,CMWPE)特征提取算法。将CMWPE与常用的特征提取方法进行了比较，结果表明相比于多尺度排列熵（Multi-scalePermutationEntropy,MPE）和多尺度加权排列熵(Multi-scaleWeightedPermutationEntropy,MWPE)，基于CMWPE的支持向量机(SupportVeotorMachine，SVM)故障识别准确率分别提高了6.0％和3.3％，且CMWPE的标准差更小，证明了CMWPE具有更好的类间离散性和更强的鲁棒性。(3)特征选择方法研究。考虑到从测量信号中提取的故障特征集包含大量的冗余信息，提出了一种基于互信息的特征选择方法。将该方法应用于MPE、MWPE和CMWPE特征集，分析结果表明经过特征筛选后SVM故障识别准确率分别提高了7.3％、7.3％和6.0％，且计算总耗时均有一定程度的降低，证明了该方法能够有效降低模式识别任务的难度，提高整个故障诊断过程的效率。(4)模式识别算法研究。针对SVM的关键参数难以最优选择的问题，提出了一种改进粒子群(ImprovedParticleSwarmOptimization，IPSO)算法以搜索SVM的最优参数，通过引入惯性因子自适应调整策略和粒子随机变异机制来防止粒子群(ParticleSwarmOptimization，PSO)算法过早收敛于局部最优解。将提出的IPSO-SVM分类算法应用于MPE特征集，并与其他分类算法进行对比分析，结果表明相比于PSO-SVM算法和SVM算法，IPSO-SVM算法的故障识别准确率分别提高了5.3％和8.0％，证明了IPSO-SVM算法的有效性和优越性。最后提出了一种新的电控喷油器故障诊断方法，通过对轨压70MPa、90MPa和110MPa三种工况下的测量信号进行故障诊断实验，结果表明三种工况的故障识别准确率均达到了99％以上，证明了该方法具有很好的故障识别能力。　　最终基于提出的故障诊断方法设计了电控喷油器故障诊断系统软件框架，并利用LabVIEW开发了高压共轨电控喷油器故障诊断系统。使用实验台架获取的数据测试该诊断系统的功能，结果表明该系统故障识别准确率达到了99.3％，满足实际诊断需求。
作者：	高峰
专业：	轮机工程
导师：	宋恩哲
授予学位：	硕士
授予学位单位：	哈尔滨工程大学
学位年度：	2022