一種柴油機(jī)故障識別方法
【專利摘要】一種柴油機(jī)故障識別方法，涉及一種機(jī)械故障識別方法，所述方法為在信號源個(gè)數(shù)未知的情況下，采用自然梯度算法分離環(huán)境噪聲信號的同時(shí)提取柴油機(jī)早期多故障的方法；通過分析信號的非平穩(wěn)特性，應(yīng)用具有自適應(yīng)時(shí)變特征的非線性激活函數(shù)，根據(jù)歸一化峭度判斷信號統(tǒng)計(jì)特性，從而高效真實(shí)地反映設(shè)備運(yùn)行狀態(tài)；為了有效提取信號特征，探討了不同傳感器數(shù)量對信號分離精度和故障識別的影響；該方法可有效消除振動信號采集過程中混入的噪聲，同時(shí)分離未知個(gè)數(shù)的故障源，為柴油機(jī)多故障識別診斷提供理論依據(jù)。
【專利說明】-種柴油機(jī)故障識別方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及機(jī)械故障識別方法，特別是涉及一種柴油機(jī)故障識別方法。

【背景技術(shù)】
[0002] 柴油機(jī)是廣泛應(yīng)用于農(nóng)業(yè)、制藥和冶金等領(lǐng)域的機(jī)械設(shè)備。柴油機(jī)的一個(gè)工作循 環(huán)包括進(jìn)氣、壓縮、燃燒、排氣，壓力的波動不斷引發(fā)自激沖擊響應(yīng)，同時(shí)軸承和發(fā)動機(jī)系統(tǒng) 呈現(xiàn)出非平穩(wěn)性和非線性特征，并W某種混合路徑傳遞到柴油機(jī)表面形成振動現(xiàn)象。盡管 傳感器可W接收包含豐富故障信息的振動信號，但問題是多個(gè)振源和背景噪聲的混合信 號，致使柴油機(jī)的故障難W準(zhǔn)確迅速識別。W往人們對復(fù)雜的非線性問題只做線性簡化處 理，容易丟失系統(tǒng)的本質(zhì)，如FFT僅適用于平穩(wěn)信號，傳統(tǒng)的濾波方法在降噪同時(shí)也濾除有 用信號，小波分析方法雖然可W從信號中識別出故障特征，但卻需要具備先驗(yàn)知識，因此應(yīng) 找到一種既對微弱信號敏感、能識別多故障特征又可濾掉背景噪聲的方法，從而準(zhǔn)確有效 及時(shí)地反映機(jī)組的健康狀態(tài)。


【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的在于提供一種柴油機(jī)故障識別方法，本發(fā)明在信號源個(gè)數(shù)未知的情 況下，采用自然梯度算法分離背景噪聲并識別多故障特征的方法，通過分析信號的結(jié)構(gòu)約 束和振動信號的非平穩(wěn)性，應(yīng)用具有自適應(yīng)時(shí)變特征的非線性激活函數(shù)，從而高效真實(shí)地 分析設(shè)備運(yùn)行的多故障狀態(tài)。
[0004] 本發(fā)明的目的是通過W下技術(shù)方案實(shí)現(xiàn)的： 一種柴油機(jī)故障識別方法，所述方法為在信號源個(gè)數(shù)未知的情況下，采用自然梯度算 法分離環(huán)境噪聲信號的同時(shí)提取柴油機(jī)早期多故障的方法；通過分析信號的非平穩(wěn)特性， 應(yīng)用具有自適應(yīng)時(shí)變特征的非線性激活函數(shù)，根據(jù)歸一化峭度判斷信號統(tǒng)計(jì)特性，從而高 效真實(shí)地反映設(shè)備運(yùn)行狀態(tài)；為了有效提取信號特征，探討了不同傳感器數(shù)量對信號分離 精度和故障識別的影響；當(dāng)多個(gè)源信號在未知混合路徑的情況下混疊后，采集的信號很難 確定故障類型，依據(jù)最小互信息目標(biāo)函數(shù)，利用不同源之間的非平穩(wěn)特性提取故障特征；假 設(shè)源信號相互統(tǒng)計(jì)獨(dú)立為前提，因?yàn)楦鱾€(gè)信號來自不同的信號源，信號混合特點(diǎn)有非線性 和時(shí)滯性；非平穩(wěn)信號白化過程，引入了與時(shí)延有關(guān)的對角陣D，通過峭度來選擇激活函數(shù) 是非線性且時(shí)變。
[0005] 所述的一種柴油機(jī)故障識別方法，該方法提取微弱信號時(shí)，假設(shè)了混合過程是固 定不變的，對于機(jī)械早期故障監(jiān)測而言，由于零部件基本運(yùn)轉(zhuǎn)正常，外界干擾因素少。
[0006] 本發(fā)明的優(yōu)點(diǎn)與效果是： 本發(fā)明在信號源個(gè)數(shù)未知的情況下，采用自然梯度算法分離背景噪聲并識別多故障特 征的方法，通過分析信號的結(jié)構(gòu)約束和振動信號的非平穩(wěn)性，應(yīng)用具有自適應(yīng)時(shí)變特征的 非線性激活函數(shù)，從而高效真實(shí)地分析設(shè)備運(yùn)行的多故障狀態(tài)。由于柴油發(fā)動機(jī)的故障數(shù) 量未知，研究了不同傳感器數(shù)量對分離精度和故障識別的影響。實(shí)驗(yàn)結(jié)果表明，與維納濾波 結(jié)果相比，該種多故障診斷方法可識別多故障類型，避免柴油發(fā)動機(jī)早期故障惡化和過度 維修等不良后果。
[0007] 該方法可有效消除振動信號采集過程中混入的噪聲，同時(shí)分離未知個(gè)數(shù)的故障 源，為柴油機(jī)多故障識別診斷提供理論依據(jù)。

【專利附圖】

【附圖說明】
[000引圖1非線性盲提取示意圖； 圖2振動信號頻譜； 圖3原始混合信號； 圖4提取的活塞磨損故障特征； 圖5提取的氣缸撞擊故障特征。

【具體實(shí)施方式】
[0009] 下面結(jié)合附圖所示實(shí)施例，對本發(fā)明作進(jìn)一步詳述。
[0010] 本發(fā)明的具體實(shí)施方案包括W下： 1非線性盲提取算法： 1.1目標(biāo)函數(shù)： 盲提取可直接利用接收到的未知混合信號，在無先驗(yàn)知識情況下從觀測數(shù)據(jù)中恢復(fù)源 信號，常作為一種降噪方法W。如圖1所示，是含噪的傳感器觀測信號矢量，是 源信號矢量，K(幻是噪聲矢量，公是未知混合矩陣。一般情況，僅乂(幻已知，源信號個(gè)數(shù)n 未知，設(shè)計(jì)一個(gè)迭代算法能夠得到S(幻的估計(jì)，即r=FX,其中W是待求的分離矩陣，由圖 1所示。信號混合和提取模型定義為： X(Jc)二H 'S(Jc)+^k)(1) Y= WX (2) 根據(jù)信息論，源信號之間的依賴性最小表明輸出的任意兩個(gè)信號都相互獨(dú)立hw。盲提 取問題描述為：假設(shè)混合過程固定不變，當(dāng)觀測變量經(jīng)過分離矩陣W后，輸出的信號應(yīng)相互 獨(dú)立，其核也思想就是最小化互信息量。在多維情況下，輸出向量7的各分量之間的互信息 可W衡量隨機(jī)變量之間獨(dú)立性，即用輸出向量的賭和邊緣賭表示：

【權(quán)利要求】
1. 一種柴油機(jī)故障識別方法，其特征在于，所述方法為在信號源個(gè)數(shù)未知的情況下，采 用自然梯度算法分離環(huán)境噪聲信號的同時(shí)提取柴油機(jī)早期多故障的方法；通過分析信號的 非平穩(wěn)特性，應(yīng)用具有自適應(yīng)時(shí)變特征的非線性激活函數(shù)，根據(jù)歸一化峭度判斷信號統(tǒng)計(jì) 特性，從而高效真實(shí)地反映設(shè)備運(yùn)行狀態(tài)；為了有效提取信號特征，探討了不同傳感器數(shù)量 對信號分離精度和故障識別的影響；當(dāng)多個(gè)源信號在未知混合路徑的情況下混疊后，采集 的信號很難確定故障類型，依據(jù)最小互信息目標(biāo)函數(shù)，利用不同源之間的非平穩(wěn)特性提取 故障特征；假設(shè)源信號相互統(tǒng)計(jì)獨(dú)立為前提，因?yàn)楦鱾€(gè)信號來自不同的信號源，信號混合特 點(diǎn)有非線性和時(shí)滯性；非平穩(wěn)信號白化過程，引入了與時(shí)延有關(guān)的對角陣D，通過峭度來選 擇激活函數(shù)是非線性且時(shí)變。
2. 根據(jù)權(quán)利要求1所述的一種柴油機(jī)故障識別方法，其特征在于，該方法提取微弱信 號時(shí)，假設(shè)了混合過程是固定不變的，對于機(jī)械早期故障監(jiān)測而言，由于零部件基本運(yùn)轉(zhuǎn)正 常，外界干擾因素少。
【文檔編號】G01M15/12GK104359685SQ201410678160
【公開日】2015年2月18日 申請日期:2014年11月24日 優(yōu)先權(quán)日:2014年11月24日
【發(fā)明者】劉歡, 高淑芝, 王健, 趙立杰, 郭爍, 張琳琳 申請人:沈陽化工大學(xué)