基于貝葉斯網(wǎng)絡(luò)的柴油機(jī)潤(rùn)滑系統(tǒng)故障診斷方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及的是基于貝葉斯網(wǎng)絡(luò)的柴油機(jī)潤(rùn)滑系統(tǒng)故障診斷方法。
【背景技術(shù)】
[0002] 柴油機(jī)在國(guó)民經(jīng)濟(jì)的各個(gè)領(lǐng)域發(fā)揮著重要作用。然而，柴油機(jī)結(jié)構(gòu)復(fù)雜，許多零部 件處在高溫、高壓、高負(fù)荷的惡劣條件下工作，使得系統(tǒng)故障率較高，維修保養(yǎng)費(fèi)用很大。統(tǒng) 計(jì)表明，在柴油機(jī)的各項(xiàng)使用費(fèi)用中，維修保養(yǎng)方面的支出達(dá)15%_30%。另有統(tǒng)計(jì)顯示，在 進(jìn)行設(shè)備管理維修時(shí)，確定故障所用時(shí)間占到總時(shí)間的70%_90%。由此可見，低效率的柴 油機(jī)故障診斷方法浪費(fèi)了大量的人力、物力資源，給工業(yè)生產(chǎn)帶來了極大的不便。
[0003] 柴油機(jī)故障診斷技術(shù)是實(shí)現(xiàn)故障早期預(yù)報(bào)和預(yù)防維修的有效手段，對(duì)于降低事故 的危害，確保柴油機(jī)的安全運(yùn)行具有重要作用。該項(xiàng)技術(shù)的應(yīng)用首先要解決的關(guān)鍵問題就 是故障特征與故障源之間的映射非線性。貝葉斯網(wǎng)絡(luò)是一個(gè)有向無環(huán)圖，其中的節(jié)點(diǎn)代表 隨機(jī)變量，節(jié)點(diǎn)間的有向邊代表隨機(jī)變量間的關(guān)聯(lián)關(guān)系，并以先驗(yàn)概率的形式表征隨機(jī)變 量間關(guān)聯(lián)程度的大小。貝葉斯網(wǎng)絡(luò)在多態(tài)邏輯表達(dá)和不確定推理上具有獨(dú)特的優(yōu)勢(shì)。利用 貝葉斯網(wǎng)絡(luò)對(duì)設(shè)備故障的診斷需要通過相關(guān)的推理算法進(jìn)行。Hugin聯(lián)合樹算法是一種常 用的貝葉斯網(wǎng)絡(luò)精確推理算法。該算法首先將貝葉斯網(wǎng)絡(luò)轉(zhuǎn)化為一個(gè)一次結(jié)構(gòu)一一聯(lián)合 樹，然后通過定義在聯(lián)合樹上的消息傳遞過程，對(duì)目標(biāo)事件進(jìn)行概率性的因果推理。近年 來，有學(xué)者將貝葉斯網(wǎng)絡(luò)應(yīng)用到柴油機(jī)潤(rùn)滑系統(tǒng)故障診斷領(lǐng)域，取得了一定成果。然而，在 現(xiàn)有的研究中，潤(rùn)滑系統(tǒng)的貝葉斯網(wǎng)絡(luò)模型形式固定，不能依據(jù)系統(tǒng)的實(shí)際工作狀態(tài)修正 所建模型，使得模型對(duì)潤(rùn)滑系統(tǒng)的動(dòng)態(tài)變化適應(yīng)性差，診斷結(jié)果存在準(zhǔn)確率較低，參考性不 強(qiáng)等問題，嚴(yán)重制約了該項(xiàng)技術(shù)的進(jìn)一步應(yīng)用。發(fā)明一種能夠根據(jù)設(shè)備實(shí)際狀態(tài)，適應(yīng)性調(diào) 整模型結(jié)構(gòu)，快速、準(zhǔn)確地識(shí)別出故障類型的柴油機(jī)潤(rùn)滑系統(tǒng)故障診斷方法對(duì)于提高設(shè)備 運(yùn)行的安全性，實(shí)現(xiàn)對(duì)柴油機(jī)的視情維修具有重要的意義。
[0004] 經(jīng)對(duì)現(xiàn)有技術(shù)的文獻(xiàn)檢索發(fā)現(xiàn)，公開文件"艦船柴油主機(jī)滑油系統(tǒng)貝葉斯網(wǎng)絡(luò)推 理故障診斷方法"（四川兵工學(xué)報(bào)，2015)提出的一種柴油機(jī)潤(rùn)滑系統(tǒng)故障診斷方法，該公開 文件自述為："以艦船動(dòng)力裝置中的柴油主機(jī)滑油管路系統(tǒng)為研究對(duì)象，針對(duì)滑油系統(tǒng)故障 診斷問題，分析了常見故障機(jī)理，建立了滑油系統(tǒng)常見故障的故障樹結(jié)構(gòu)，在此基礎(chǔ)上構(gòu)建 了用于故障狀態(tài)推理的貝葉斯網(wǎng)絡(luò)模型，分析了滑油系統(tǒng)典型故障狀態(tài)下的貝葉斯?fàn)顟B(tài)推 理過程，為滑油系統(tǒng)的快速故障診斷提供了一種新的方法"。其不足之處是:該方法所建貝 葉斯網(wǎng)絡(luò)模型形式固定，不能根據(jù)潤(rùn)滑系統(tǒng)的動(dòng)態(tài)變化進(jìn)行適應(yīng)性調(diào)整，無法準(zhǔn)確描述潤(rùn) 滑系統(tǒng)的實(shí)際狀態(tài)，因此導(dǎo)致模型推理不確定性大，診斷精度較低;且該方法對(duì)潤(rùn)滑系統(tǒng)的 故障診斷是一種靜態(tài)推理，其過程未依據(jù)柴油機(jī)潤(rùn)滑系統(tǒng)實(shí)際運(yùn)行信息，無法真正實(shí)現(xiàn)對(duì) 柴油機(jī)潤(rùn)滑系統(tǒng)故障的診斷，難以指導(dǎo)工作人員對(duì)設(shè)備進(jìn)行針對(duì)性維修。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于針對(duì)現(xiàn)有技術(shù)的不足，提供一種基于貝葉斯網(wǎng)絡(luò)的柴油機(jī)潤(rùn)滑 系統(tǒng)故障診斷方法。
[0006] 本發(fā)明的目的是這樣實(shí)現(xiàn)的：
[0007] (1)將潤(rùn)滑系統(tǒng)的故障類型和外部征兆分別抽象為故障層節(jié)點(diǎn)和征兆層節(jié)點(diǎn)，建 立柴油機(jī)潤(rùn)滑系統(tǒng)貝葉斯網(wǎng)絡(luò)模型；
[0008] (2)利用數(shù)據(jù)采集系統(tǒng)檢測(cè)柴油機(jī)潤(rùn)滑系統(tǒng)的性能參數(shù)，采用線性比例變換法對(duì) 性能參數(shù)進(jìn)行歸類處理，ω表示潤(rùn)滑系統(tǒng)的實(shí)際性能參數(shù)，表示性能參數(shù)的標(biāo)準(zhǔn)值，益 表示變換后的性能參數(shù)，進(jìn)而泛化潤(rùn)滑系統(tǒng)性能參數(shù)，獲得潤(rùn)滑系統(tǒng)的實(shí)際工作狀態(tài)信息 e；
[0009] Μ -
[0010] ⑶根據(jù)獲取的潤(rùn)滑系統(tǒng)實(shí)際工作狀態(tài)信息e，對(duì)貝葉斯網(wǎng)絡(luò)模型征兆層節(jié)點(diǎn)^的 狀態(tài):π(ν」)進(jìn)行二元取值，（ω」)表示對(duì)性能參數(shù)ω j的泛化，·表示滿足性能參數(shù)ω j泛化的 對(duì)應(yīng)外部征兆描述;適應(yīng)性修正建立的潤(rùn)滑系統(tǒng)貝葉斯網(wǎng)絡(luò)模型；
[0011] 科 、一 織· 賽！纖·
[0012] (4)采用Hugin聯(lián)合樹算法將修正后的潤(rùn)滑系統(tǒng)貝葉斯網(wǎng)絡(luò)模型轉(zhuǎn)化為聯(lián)合樹，進(jìn) 而將潤(rùn)滑系統(tǒng)實(shí)際工作狀態(tài)信息e作為推理證據(jù)，通過計(jì)算故障層節(jié)點(diǎn) 81的邊緣化條件概 率p(Sl | e)，對(duì)潤(rùn)滑系統(tǒng)的當(dāng)前故障類型進(jìn)行診斷。
[0013] 所述故障類型具體包括:活塞環(huán)密封失效Sl、添加油量不足&、冷卻器故障&、超出 使用壽命S 4、滑油油品不當(dāng)S5、滑油中含有氣泡S6、管路漏油S7、管路堵塞S8。
[0014] 所述外部征兆具體包括:滑油液位過低h、滑油溫度過高％、進(jìn)機(jī)滑油壓力過低V3、 出機(jī)滑油壓力過低V4、出機(jī)滑油流量過低V5。
[0015] 所述適應(yīng)性修正建立的潤(rùn)滑系統(tǒng)貝葉斯網(wǎng)絡(luò)模型的具體方法為:依據(jù)征兆層節(jié)點(diǎn) Vj的狀態(tài) <巧），重置潤(rùn)滑系統(tǒng)貝葉斯網(wǎng)絡(luò)模型中故障層節(jié)點(diǎn)pa(Vj)的先驗(yàn)概率P(pa(Vj)); pa (v j)為征兆層節(jié)點(diǎn)v j的父節(jié)點(diǎn)；
[0016] 純卜 e ?
[0017] 與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果在于:本發(fā)明在實(shí)施推理診斷前，依據(jù)潤(rùn)滑系 統(tǒng)的實(shí)際工作狀態(tài)，通過重置故障層節(jié)點(diǎn)的先驗(yàn)概率，對(duì)貝葉斯網(wǎng)絡(luò)模型進(jìn)行了適應(yīng)性修 正，使得模型能夠準(zhǔn)確描述潤(rùn)滑系統(tǒng)的實(shí)際工作狀態(tài)，從而降低模型推理的不確定性，提高 了故障診斷的準(zhǔn)確率;此外，本發(fā)明對(duì)潤(rùn)滑系統(tǒng)故障類型的診斷推理依據(jù)潤(rùn)滑系統(tǒng)的實(shí)際 工作狀態(tài)信息實(shí)施，因此診斷結(jié)果能夠真實(shí)地反映潤(rùn)滑系統(tǒng)實(shí)際性能，具有較強(qiáng)的現(xiàn)實(shí)指 導(dǎo)意義。
【附圖說明】
[0018] 圖1為本發(fā)明基于貝葉斯網(wǎng)絡(luò)的柴油機(jī)潤(rùn)滑系統(tǒng)故障診斷方法流程圖。
[0019] 圖2為某型四缸柴油機(jī)潤(rùn)滑系統(tǒng)貝葉斯網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖。
【具體實(shí)施方式】
[0020] 下面結(jié)合附圖對(duì)本發(fā)明的實(shí)施例作詳細(xì)說明：本實(shí)施例在以本發(fā)明技術(shù)方案為前 提下進(jìn)行實(shí)施，給出了詳細(xì)的實(shí)施方式，但本發(fā)明的保護(hù)范圍不限于下述的實(shí)施例。
[0021] 本發(fā)明涉及一種基于貝葉斯網(wǎng)絡(luò)的柴油機(jī)潤(rùn)滑系統(tǒng)故障診斷方法，屬于柴油機(jī)故 障診斷技術(shù)領(lǐng)域。首先將潤(rùn)滑系統(tǒng)故障類型及外部征兆抽象為網(wǎng)絡(luò)節(jié)點(diǎn)，建立潤(rùn)滑系統(tǒng)貝 葉斯網(wǎng)絡(luò)模型;其次，檢測(cè)潤(rùn)滑系統(tǒng)性能參數(shù)，獲取潤(rùn)滑系統(tǒng)實(shí)際工作狀態(tài)信息;再次，根據(jù) 獲取的潤(rùn)滑系統(tǒng)實(shí)際工作狀態(tài)信息，通過重置故障層節(jié)點(diǎn)的先驗(yàn)概率，對(duì)潤(rùn)滑系統(tǒng)貝葉斯 網(wǎng)絡(luò)模型進(jìn)行適應(yīng)性修正；最后，將潤(rùn)滑系統(tǒng)的實(shí)際工作狀態(tài)信息作為推理證據(jù)，利用 Hugin聯(lián)合樹算法對(duì)潤(rùn)滑系統(tǒng)故障進(jìn)行概率診斷。本發(fā)明能夠通過調(diào)整節(jié)點(diǎn)概率信息修正 所建立的貝葉斯網(wǎng)絡(luò)模型，使模型更準(zhǔn)確的反映潤(rùn)滑系統(tǒng)當(dāng)前工作狀態(tài)，提高了故障診斷 的準(zhǔn)確性，診斷結(jié)果具有較高的現(xiàn)實(shí)指導(dǎo)意義。
[0022] 首先建立柴油機(jī)潤(rùn)滑系統(tǒng)的貝葉斯網(wǎng)絡(luò)模型，然后，根據(jù)獲取的潤(rùn)滑系統(tǒng)實(shí)際工 作狀態(tài)信息對(duì)貝葉斯網(wǎng)絡(luò)模型進(jìn)行適應(yīng)性修正，以使模型能夠準(zhǔn)確描述潤(rùn)滑系統(tǒng)的實(shí)際工 作狀態(tài)，提高故障診斷的準(zhǔn)確率，最后，將潤(rùn)滑系統(tǒng)實(shí)際工作狀態(tài)信息作為推理證據(jù)，利用 Hugin聯(lián)合樹算法對(duì)故障類型進(jìn)行診斷推理，據(jù)此指導(dǎo)維護(hù)人員對(duì)柴油機(jī)潤(rùn)滑系統(tǒng)實(shí)施針 對(duì)性維修，保障設(shè)備安全，降低維修管理成本。
[0023] 本發(fā)明的方法具體包括以下步驟：
[0024] 1、將潤(rùn)滑系統(tǒng)的故障類型51和外部征兆％分別抽象為故障層節(jié)點(diǎn)81和征兆層節(jié)點(diǎn) ，建立柴油機(jī)潤(rùn)滑系統(tǒng)貝葉斯網(wǎng)絡(luò)模型；
[0025] 2、利用數(shù)據(jù)采集系統(tǒng)檢測(cè)柴油機(jī)潤(rùn)滑系統(tǒng)的性能參數(shù)〇^，采用線性比例變換法 對(duì)性能參數(shù)ω,進(jìn)行歸類處理，進(jìn)而泛化潤(rùn)滑系統(tǒng)的性能參數(shù)，獲得潤(rùn)滑系統(tǒng)的實(shí)際工作狀 態(tài)信息e;
[0026] 3、根據(jù)步驟2中獲取的潤(rùn)滑系統(tǒng)實(shí)際工作狀態(tài)信息e，對(duì)貝葉斯網(wǎng)絡(luò)模型中征兆層 節(jié)點(diǎn)巧的狀態(tài)進(jìn)行二元取值，在此基礎(chǔ)上，重置故障層節(jié)點(diǎn)的先驗(yàn)概率P(pa(vJ)，以 修正建立的潤(rùn)滑系統(tǒng)貝葉斯網(wǎng)絡(luò)模型；
[0027] 4、采用Hugin聯(lián)合樹算法將修正后的潤(rùn)滑系統(tǒng)貝葉斯網(wǎng)絡(luò)模型轉(zhuǎn)化為聯(lián)合樹，進(jìn) 而將潤(rùn)滑系統(tǒng)實(shí)際工作狀態(tài)信息e作為推理證據(jù)，通過計(jì)算故障層節(jié)點(diǎn)81的邊緣化條件概 率p(Sl | e)，對(duì)潤(rùn)滑系統(tǒng)的當(dāng)前故障類型進(jìn)行診斷。
[0028] 如圖1所示，本發(fā)明包括以下步驟:潤(rùn)滑系統(tǒng)貝葉斯網(wǎng)絡(luò)模型的建立、潤(rùn)滑系統(tǒng)實(shí) 際工作狀態(tài)信息獲取、貝葉斯網(wǎng)絡(luò)模型的適應(yīng)性修正、及潤(rùn)滑系統(tǒng)故障的聯(lián)合樹