診斷。具體 如下：
[0029] 1、所述潤滑系統(tǒng)貝葉斯網(wǎng)絡(luò)模型的建立是將潤滑系統(tǒng)的故障類型Si和外部征兆％ 分別作為故障層節(jié)點 Sl和征兆層節(jié)點建立柴油機(jī)潤滑系統(tǒng)的貝葉斯網(wǎng)絡(luò)模型。貝葉斯網(wǎng) 絡(luò)模型可利用二元組B〈G，P>表示，其中G為貝葉斯網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，P為節(jié)點的概率信息。進(jìn) 一步，節(jié)點的概率信息P具體包括:先驗概率P(Si)和條件概率p(Vj | pa(Vj))，其中pa(Vj)表 示與征兆層節(jié)點W存在因、果關(guān)系的故障層節(jié)點(父節(jié)點）。在貝葉斯網(wǎng)絡(luò)模型B〈G，P>中，所 有外部征兆之間的聯(lián)合概率分布可通過公式(1)表示。
[0030]
(1)
[0031] 所述故障類型具體包括:活塞環(huán)密封失效Si、添加油量不足&、冷卻器故障&、超出 使用壽命S4、滑油油品不當(dāng)S 5、滑油中含有氣泡S6、管路漏油S7、管路堵塞S8。
[0032] 所述外部征兆是指柴油機(jī)潤滑系統(tǒng)的性能參數(shù)的運行態(tài)勢，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V 4、出機(jī)滑油流量過低V5。
[0033] 進(jìn)一步，所述性能參數(shù)〇^具體包括：滑油液位ωι、滑油溫度ω2、進(jìn)機(jī)滑油壓力 ?3、出機(jī)滑油壓力ω 4、出機(jī)滑油流量ω 5。
[0034] 2、所述潤滑系統(tǒng)實際工作狀態(tài)信息獲取是利用傳感器和數(shù)據(jù)采集卡檢測柴油機(jī) 潤滑系統(tǒng)當(dāng)前時刻的性能參數(shù)％，并通過線性比例變換法，如公式⑵所示，使性能參數(shù) ωι 映射至特定區(qū)間（[0，1)、[1，1]、（1，+~）），以消除性能參數(shù)的單位限制，將其轉(zhuǎn)化為無量綱 的純數(shù)值。在此基礎(chǔ)上，按照定義1中約定的規(guī)則泛化獲取的性能參數(shù)，并將其作為潤滑系 統(tǒng)的實際工作狀態(tài)信息e。
[0035] ss? (.2)
[0036] 上式中，ω表示潤滑系統(tǒng)的實際性能參數(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)。
[0037]給出關(guān)鍵定義如下：
[0038] 定義1:(定義性能參數(shù)的泛化規(guī)則)對采集到的性能參數(shù)進(jìn)行線性比例變換后，利 用高層概念"過低"、"正常"、"過高"分別替代性能參數(shù)在區(qū)間[0，1 )、[ 1，1 ]、（1，+~）內(nèi)的取 值，以通過模糊劃分描述性能參數(shù)的運行態(tài)勢。稱該模糊劃分方法為性能參數(shù)的泛化，記作 Q( · )〇
[0039] 3、所述貝葉斯網(wǎng)絡(luò)模型的適應(yīng)性修正是指，根據(jù)潤滑系統(tǒng)實際工作狀態(tài)，利用公 式(3)所示的方法，對貝葉斯網(wǎng)絡(luò)模型征兆層節(jié)點^的狀態(tài)3i( Vj)進(jìn)行二元取值。在公式(3) 中，Q( ω」)表示對性能參數(shù)ω j的泛化表示滿足性能參數(shù)ω j泛化的對應(yīng)外部征兆描述。在 此基礎(chǔ)上，依據(jù)征兆層節(jié)點狀態(tài)取值，采用公式(4)重置貝葉斯網(wǎng)絡(luò)模型的相關(guān)故障層節(jié)點 pa(Vj)的先驗概率P(pa(Vj))，對所建的潤滑系統(tǒng)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)確地反映潤滑系統(tǒng)的實際性能特征。
[0040] If (3)
[0041]
[0042] 4、所述潤滑系統(tǒng)故障的聯(lián)合樹診斷是指，利用Hugin聯(lián)合樹算法轉(zhuǎn)化貝葉斯網(wǎng)絡(luò) 模型B〈G，P>為聯(lián)合樹，并將潤滑系統(tǒng)實際工作狀態(tài)信息e作為證據(jù)，推理計算故障層節(jié)點81 的邊緣化條件概率P(Sl I e) 1 e)即為在潤滑系統(tǒng)的實際工作狀態(tài)信息e條件下，故障層 節(jié)點81所表征的故障類型出現(xiàn)的概率。此時，依據(jù)最大可能性原則，如公式（10)，選取邊緣 化條件概率最大的故障層節(jié)點，，診斷潤滑系統(tǒng)的當(dāng)前性能狀態(tài)為f所表征的故障類型S' 據(jù)此對柴油機(jī)實施有計劃、有針對性的視情維修。
[0043] 利用Hugin聯(lián)合樹算法計算邊緣化條件概率的具體過程如下：
[0044] 第一步:依據(jù)既定的轉(zhuǎn)化算法將貝葉斯網(wǎng)絡(luò)模型B〈G，P>轉(zhuǎn)化為聯(lián)合樹。
[0045] 第二步:初始化聯(lián)合樹中團(tuán)結(jié)點X的勢函數(shù)變$為1，并根據(jù)貝葉斯網(wǎng)絡(luò)模型中的條 件概率更新勢函數(shù)％:，更新方法采用公式(5)，其中， Vj、pa(力）ex(以下步驟中均滿足此條 件)。
[0046] ^ = ( S)
[0047]第三步:利用公式(6)所示的方法將采集、泛化的潤滑系統(tǒng)的實際工作狀態(tài)信息e 作為推理證據(jù)，輸入聯(lián)合樹。
[0048] ? "
[0049] 第四步:通過團(tuán)結(jié)點間的消息傳遞過程，如公式(7)，更新所有團(tuán)結(jié)點的勢函數(shù)。
[0050]
(?)
[0051] 公式(7)中，X表示發(fā)送消息的團(tuán)結(jié)點;Y表示接受消息的團(tuán)結(jié)點；S為X、Y間的分割 集；分別為團(tuán)結(jié)點Υ、分割集S的原勢函數(shù)。
[0052] 第五步:利用公式(8)所示的方法對團(tuán)結(jié)點X的勢函數(shù)爲(wèi)^在故障層節(jié)點81上做邊緣 化處理。
[0053] 》 ％、⑷
[0054] 第六步:重復(fù)利用公式(9)計算故障層節(jié)點81的邊緣化條件概率p(Sl|e)，獲得所有 故障類型出現(xiàn)的可能性。 Γ ? x v 夢(％ 於)： 夢(~於}、、、.、、
[0055] ρ?ΛΙβ) ~ '、、、、、、T'-r- ? --7--、、;' ⑷
[0056] s* = argmaxp(si | e) (10)
[0057] 圖2是本發(fā)明實施某型四缸柴油機(jī)潤滑系統(tǒng)的貝葉斯網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖。
【主權(quán)項】
1. 基于貝葉斯網(wǎng)絡(luò)的柴油機(jī)潤滑系統(tǒng)故障診斷方法，其特征在于，包括如下步驟： (1) 將潤滑系統(tǒng)的故障類型和外部征兆分別抽象為故障層節(jié)點和征兆層節(jié)點，建立柴 油機(jī)潤滑系統(tǒng)貝葉斯網(wǎng)絡(luò)模型； (2) 利用數(shù)據(jù)采集系統(tǒng)檢測柴油機(jī)潤滑系統(tǒng)的性能參數(shù)，采用線性比例變換法對性能 參數(shù)進(jìn)行歸類處理，《表示潤滑系統(tǒng)的實際性能參數(shù)，《^表示性能參數(shù)的標(biāo)準(zhǔn)值，旅表示 變換后的性能參數(shù)，進(jìn)而泛化潤滑系統(tǒng)性能參數(shù)，獲得潤滑系統(tǒng)的實際工作狀態(tài)信息e;(3) 根據(jù)獲取的潤滑系統(tǒng)實際工作狀態(tài)信息e，對貝葉斯網(wǎng)絡(luò)模型征兆層節(jié)點vj的狀態(tài)31 (vj)進(jìn)行二元取值，（ω J)表示對性能參數(shù)ω J的泛化，ζ;表示滿足性能參數(shù)ω非乏化的對應(yīng) 外部征兆描述;適應(yīng)性修正建立的潤滑系統(tǒng)貝葉斯網(wǎng)絡(luò)模型；(4) 采用Hugin聯(lián)合樹算法將修正后的潤滑系統(tǒng)貝葉斯網(wǎng)絡(luò)模型轉(zhuǎn)化為聯(lián)合樹，進(jìn)而將 潤滑系統(tǒng)實際工作狀態(tài)信息e作為推理證據(jù)，通過計算故障層節(jié)點Si的邊緣化條件概率p(si e )，對潤滑系統(tǒng)的當(dāng)前故障類型進(jìn)行診斷。2. 根據(jù)權(quán)利要求1所述的基于貝葉斯網(wǎng)絡(luò)的柴油機(jī)潤滑系統(tǒng)故障診斷方法，其特征在 于:所述故障類型具體包括:活塞環(huán)密封失效Si、添加油量不足S2、冷卻器故障S3、超出使用 壽命S4、滑油油品不當(dāng)Ss、滑油中含有氣泡Ss、管路漏油S?、管路堵塞Ss。3. 根據(jù)權(quán)利要求1所述的基于貝葉斯網(wǎng)絡(luò)的柴油機(jī)潤滑系統(tǒng)故障診斷方法，其特征在 于:所述外部征兆具體包括:滑油液位過低VI、滑油溫度過高V2、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。4. 根據(jù)權(quán)利要求1所述的基于貝葉斯網(wǎng)絡(luò)的柴油機(jī)潤滑系統(tǒng)故障診斷方法，其特征在 于:所述適應(yīng)性修正建立的潤滑系統(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Vj的 狀態(tài)n(vj)，重置潤滑系統(tǒng)貝葉斯網(wǎng)絡(luò)模型中故障層節(jié)點pa(vj)的先驗概率P(pa(vj));pa (Vj)為征兆層節(jié)點V北勺父節(jié)點；
【專利摘要】本發(fā)明涉及的是基于貝葉斯網(wǎng)絡(luò)的柴油機(jī)潤滑系統(tǒng)故障診斷方法。本發(fā)明將潤滑系統(tǒng)的故障類型和外部征兆分別抽象為故障層節(jié)點和征兆層節(jié)點，建立柴油機(jī)潤滑系統(tǒng)貝葉斯網(wǎng)絡(luò)模型；利用數(shù)據(jù)采集系統(tǒng)檢測柴油機(jī)潤滑系統(tǒng)的性能參數(shù)，采用線性比例變換法對性能參數(shù)進(jìn)行歸類處理，根據(jù)獲取的潤滑系統(tǒng)實際工作狀態(tài)信息；采用Hugin聯(lián)合樹算法將修正后的潤滑系統(tǒng)貝葉斯網(wǎng)絡(luò)模型轉(zhuǎn)化為聯(lián)合樹。本發(fā)明在實施推理診斷前，依據(jù)潤滑系統(tǒng)的實際工作狀態(tài)，通過重置故障層節(jié)點的先驗概率，對貝葉斯網(wǎng)絡(luò)模型進(jìn)行了適應(yīng)性修正，使得模型能夠準(zhǔn)確描述潤滑系統(tǒng)的實際工作狀態(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。
【IPC分類】G01M99/00
【公開號】CN105547717
【申請?zhí)枴緾N201510883986
【發(fā)明人】王忠巍, 王金鑫, 袁志國, 宋莎, 董佳瑩
【申請人】哈爾濱工程大學(xué)
【公開日】2016年5月4日
【申請日】2015年12月4日