基于流形学习的柴油机振动故障诊断方法研究

潘永波

（大连渔轮公司，大连 116001)

基于流形学习的柴油机振动故障诊断方法研究

潘永波

（大连渔轮公司，大连 116001)

船舶柴油机是一个复杂程度较高的系统，其复杂性的构造和工作原理增加了其产生故障症状的复杂性和故障诊断工作的困难性。一般情况下，船舶柴油机故障原因和故障预兆间呈现出一种错综复杂的非线性关系，且在各个参数间也存在较强的非线性和耦合性，所以，诊断船舶柴油机故障，往往是顺应船舶柴油的这一复杂性结构要求而采用非线性手段对其进行相应的故障诊断和状态监测。流形学习法就是这样一种方法。随着流形学习算法被广泛应用于机械故障诊断领域，其已成为我国模式识别研究领域中的一个热点问题。但目前，流形学习在柴油机故障诊断过程中的应用还存在一定缺陷。本文基于流形学习的基本理论原理进行探讨，并着重对流形学习法在船舶柴油机振动故障诊断方面的应用进行归纳和总结。

船舶柴油机 流形学习 振动故障 诊断

引言

船舶柴油机作为船舶动力的重要装置，其能否正常运行对整个船舶有直接影响，船舶柴油机一旦发生故障，如果得不到及时处理，将会给整个营运过程带来重大损失，甚至还会危及人们生命财产安全。对船舶柴油机进行故障诊断和状态监测，能及时发现船舶潜在的隐患，并采取有效措施避免隐患发生，极大地降低了柴油机的故障发生率，从而有效保证柴油机正常运转，同时，对节省维修费用和避免重大事故等也具有深远意义。

1 流形学习的基本概念

流形学习主要是以微分流形、拓扑学和变分学等为理论基础，用来描述所有事物的空间存在形式。流形学习的实质是从豪斯多夫空间到欧氏空间的一系列映射过程。假设在豪斯多夫空间M中存在任意样本a，均存在于邻域U与n维欧氏空间中的某一特定子集中，那么就可以认为M属于一种d维流形。流形学习的主要目的是：保证在拓扑空间中具有相近或相同属性的高纬流形数据，降维到低维空间后，这些高维数据仍可保留相同或相近的属性特征。目前，流形学习法虽然在一些图像识别等基础领域已得到广泛应用，但在机械故障诊断方面还处在发展阶段。现阶段，机械领域对流形学习的研究工作也主要集中在弱冲击的信号提取、噪声的去除及状态的识别和趋势分析等层面。

1.1 弱冲击信号的提取和噪声的去除

柴油机系统，其结构特征之一就是复杂性程度较高，在加上测试环境的不稳定性，在柴油机振动故障的诊断过程中，或多或少地会受到机械运行噪声的影响，消除噪声干扰能有效保证柴油机故障诊断的精度，且还能及时发现早期故障特征，杜绝柴油机振动故障的发生。流形学习作为机械学习和模式识别的热点之一，在弱冲击信号的提取和噪声的去除等方面发挥着重要作用。

1.2 状态的识别

在柴油机的运行状态中，多个指标参数之间都存在重叠，传统方法不能完整地对复杂设备的运行状态进行描述，因此，通过流形学习的优势，有效地将多维的特征指标进行融合，同时，有效去除存在于指标间的冗余成分，保证准确提取设备运行状态的有效特征，这已成为当前研究的热点之一。

1.3 状态趋势分析

通过流形学习的方法，建立机械状态预测模型，并和其他一些机械运行指标结合，有效完成了对设备状态变化趋势的描述，从而能更好诊断出柴油机振动故障的发生时间，同时还能更好地把握机械设备的剩余使用寿命。

虽然经过不断的研究和实践，流形学习法在柴油机等机械设备的振动故障诊断方面已经取得了突破性的进展，但还存在着某些不足，如流形学习法和柴油机振动故障信号间的匹配问题还有待改善，尤其是如何降低柴油机振动噪音以避免影响流形学习诊断的精确度，如何改进、完善流形学习算法，从而保证保留有效信息，等等，这些都需要后期持续完善。

2 基于流形学习的船舶柴油机振动故障诊断分析

2.1 概述

流形学习法属于一种无监督降维的方法，具备良好的维数精简功能，近年来，受到各方学者的高度关注。流形学习认为，存在于高纬空间的数据都具有一定的低维流形结构，通过流形算法对相应低维嵌入的求解，进而实现高维空间数据的低维转化，并实现数据的可视化。简单来讲，流形学习就是透过现象来研究数据本质，挖掘数据的内在规律，进而实现数据维数的约简。

2.2 船舶柴油机振动信号的指标特征分析

2.2.1 时域性特征

时域性特征指的是通过对柴油机振动信号的直接利用，来计算相关的结果，属于一种最直接而又简便的数据处理方法。对时域性特征指标的提取又分为无量纲型和有量纲型两大类。在利用有量纲型的指标参数进行柴油机的状态分析比较过程中，要严格保证柴油机运行参数和测点位置的高度一致性，否则分析的结果就不能准确说明问题。在利用无量纲型进行振动振幅分析时，其计算结果只和柴油机的运行状态有关，而与其他运行参数无关，所以，一般情况下，对柴油机振动故障的诊断，都应用无量纲型的指标来进行分析对比。

2.2.2 频域特征

对柴油机这一类别的旋转型机械，具有十分复杂的振动信号，这也是由于柴油机振动故障的加深而引发其他部位共振导致的；此外，不同故障类型的冲击规律也不尽相同。因此，利用时域指标，很难对其进行特性分析。而频域性指标能更好地描述机械不同类型的故障冲击规律，为现阶段的柴油机故障类型和故障原因分析提供了一套行之有效的方法。

2.2.3 时频域特征

傅里叶变化通常针对的是振动信号的全局变换，而无法对平稳信号的局部统计进行描述，而对故障诊断过程中的非平稳信号，随着时间的变化，其统计特征也发生相应改变；此时，就需要同时考虑时域性和频域性，也就是所谓的时频域性分析。通常用到的时频域分析方法有小波分解、短时傅里叶变换、希尔伯特变换等。

2.3 基于流形学习法的船舶柴油机故障诊断分析

船舶柴油机复杂的结构特性，也使其故障诊断工作呈现出复杂化的特点。一般情况下，船舶柴油的故障原因与故障预兆间呈现出的往往是一种毫无规律的非线性关系，这也直接加大了对船舶柴油故障诊断工作的难度。流形学习法属于一种基于统计学理论的故障处理方法，能有效处理传统方法不能处理的非线性关系。该方法在处理非线性关系过程中的基本思路是将处在高维特征空间的数据关系，通过一定的函数关系，成功将其映射到低维空间中，然后再描述其非线性的数据关系。流形学习法经过近几年的发展和应用，在取得显著成果的同时，也逐渐成为一大热点研究内容。流形学习法凭借自身特有的优势，在解决小样本、高维模式识别和非线性等多项常规方法不能解决的问题中发挥出了重要作用，因此，流形学习法在船舶柴油机的振动故障诊断过程中较为适用。虽然基于流形学习法的船舶柴油机故障诊断技术现在还只是处在起步阶段，但根据其应用成果来看，该技术具有较强的实用性和可行性。相信随着技术的不断进步，基于流形学习法的故障诊断技术在船舶柴油机故障诊断工作中将会取得更为广泛的应用，将发挥出更大的实际效果。

3 结语

本文介绍了流形学习方法的基本原理，并在此基础上提出基于不同维数的流形学习算法。对柴油机振动故障诊断过程中的参数指标的时域性特征和频域性特征及时频域性特征进行分析。经研究发现，流形学习方法在船舶柴油机故障诊断过程中具有重要作用。但同时，当前的船舶柴油机故障诊断中的流形学习法还处在起步阶段，在某些方面还存在一定的缺陷和不足，还需要后期不断地进行研究改进。

[1]苏祖强，汤宝平，姚金宝.基于敏感特征选择与流形学习维数约简的故障诊断[J].振动与冲击，2014，（3）：70-75.

[2]王冠伟，张春霞，庄健，等.流形学习在机械故障诊断中的应用研究[J].工程数学学报，2012，（4）：593-599.

[3]郭江华，侯馨光，陈国钧，等.船舶柴油机故障诊断技术研究[J].中国航海，2005，（4）：75-78.

[4]卢志美，曹熙武，梁进奕，等.柴油机智能故障诊断技术及其发展趋势[J].装备制造技术，2010，（1）：107-109.

Study on Vibration Fault diagnosis of Diesel Engine Based on Manifold Learning

PAN Yongbo
(Dalian Fishing Vessel Company, Dalian 116001)

Marine dies el engine is a complex s ystem with a high degree of com plexity, and the com plexity of the s tructure and working principle of m arine dies el engine has increas ed the complexity and difficulty of fault diagnosis. Under normal circumstances, t here is a complicated nonlinear relationship between marine dies el engine fault and fault warning, and there is a s trong nonlinear and coupling among the various parameters, so that the fault diagnosis of marine diesel engine is often the fault diagnosis and condition monitoring of the ship diesel engine. Manifold learning method is such a method. With manifold learning algorithm is widely used in the field of mechanical fault diagnosis, it has become a hot is sue in the field of pattern recognition. But at present, there are s ome defects in the application of m anifold learning in the pr ocess of fault d iagnosis of dies el engine. In this paper, the basic theory of manifold learning is discussed, and the application of manifold learning method in vibration fault diagnosis of marine diesel engine is summarized and summarized.

marine diesel engine,manifold learning,vibration fault,diagnosis