基于可拓理论的发动机失火故障模式识别研究*

谢春丽 张继洲 王宇超

(东北林业大学交通学院 哈尔滨 150040)

0 引 言

车辆发动机在运行一段时间过后，会有某一种或多种故障发生，处于故障状态的发动机会极大影响车辆的安全运行，所以，及时准确地辨识出发动机潜伏性故障,对保障车辆的安全可靠运行具有重大意义.

故障诊断其实就是一个模式识别的过程，模式识别理论的发展直接推动了故障诊断方法的发展.国内外专家学者在故障诊断或者模式识别方面做出了大量的研究工作：袁幸等[1]研究了一种基于物理模型辨识的滚动轴承故障诊断方法,即通过物理模型构建标准模式数据库,进而识别故障.梅检民等[2]提出通过引入D-S证据理论,得到多分类SVM在D-S证据理论识别框架下的基本概率分配,使样本在分类时同时具有定性解释和定量评价,然后将多源信息送入SVM之后在决策级对多个SVM分类输出进行证据融合的方法进行故障诊断.刘长良等[3]提出基于变分模态分解和奇异值分解的特征提取方法,采用标准模糊C均值聚类进行故障识别的方法.Sadough等[4]利用多模型方法和动态神经网对喷气飞机发动机进行健康诊断仿真，仿真结果表明该方法是有效的.

可拓学是一门原创性横断学科，它以形式化的模型，探讨事物拓展的可能性和开拓新的规律与方法，并用于解决矛盾问题[5].经过多年的发展，可拓学已经形成以基元理论、可拓集理论和可拓逻辑为核心的理论框架体系.可拓理论和可拓创新方法与若干领域交叉融合产生可拓工程，可拓诊断是可拓工程的一个重要分支.结合之前的研究成果[6]，本文提出基于可拓理论的发动机失火故障模式识别方法，利用可拓理论建立发动机故障模式识别模型进行发动机故障诊断.

1 基于可拓理论的发动机故障模型

1.1 发动机失火故障物元模型

可拓理论建立了物元、事元和关系元的概念来形式化描述物、事和关系，物元、事元和关系元统称基元，是可拓理论的逻辑细胞.在建立故障信息模型时，可以用物元R来描述故障的静态特征.物元R为一个有序三元组R=(Om,Cm,Vm)，称为一维物元，其中Om为所要描述的故障对象；Cm为故障的特征；Vm为故障对象Om的特征Cm的量值；Vm的取值范围称为Cm的量域；Om，Cm，Vm为物元M的三要素；(Cm,Vm)为对象Om的特征元.发动机的失火故障状态经常用尾气排放信息来表示，故用来表示发动机失火故障状态的物元模型为多维物元模型

1.2 发动机失火故障信息的距

用于失火故障诊断的尾气信息为范围值信息，其可拓距的定义为

设两个范围值型故障信息区间为X1= (x1，x2)，X2= (x3，x4)，则故障信息X1和区间X2之间的可拓区间距为

(1)

1.3 发动机失火故障信息的关联度

根据可拓集的关联函数，待诊断物元模型的综合关联度为

(2)

式中：wi为故障特征的权重系数；Kj(xi)为第i个故障特征关于第j个故障类型的关联函数，

(3)

其中：

(4)

其中：aij与bij为在第j个故障类型时第i个故障特征取值的下界与上界.

2 发动机失火故障的可拓诊断方法

2.1 确定故障物元模型

采用发动机尾气成分作为故障信息进行故障诊断.

建立故障物元模型为

(5)

2.2 确定待诊断样本的尾气成分物元模型

建立待诊断样本的尾气成分物元模型为

(6)

式中：Ri，Ii，Cn定义同上；vin为待诊断样本的各尾气成分气体在第i种故障状态下的含量.

2.3 确定待诊断样本的尾气成分气体含量物元模型对故障物元模型的关联函数

待诊断样本的各尾气成分气体含量物元对故障物元的关联函数为

(7)

(8)

2.4 计算待诊断样本尾气对第i种故障的可拓关联度

利用下式计算待诊断样本尾气对第i种故障的可拓关联度。

(9)

式中：权重系数wij由主成份分析法确定.

2.5 标准化

利用下式将获得的可拓关联度标准化：

(10)

(11)

2.6 确定故障类型

若λ′向量的第k个分量最大(等于1)，则发动机有第k种故障；若第2大的j分量也接近于1，则发动机有k,j两种故障，见图1.

图1 发动机失火故障可拓诊断流程

3 基于可拓理论的发动机失火故障诊断

根据参考文献[7]和尾气检测仪器检测范围的局限性,本文选取HC，CO2，NOx，CO，O2的体积分数作为发动机故障信息.以EQ6102型汽油机为研究对象,将汽油机状态设置为无失火现象、失火程度较轻和失火程度严重三种状态，分别记为I1，I2，I3.无失火现象即为正常工作状态; 失火程度较轻时设置的故障为点火电容性能变差、点火时间过晚和某一缸火花塞不点火；失火程度严重时设置的故障为六缸中有二缸火花塞不点火，然后分别测取无负荷时不同转速工况下的废气排放HC，CO2，NOx，CO，O2的体积分数，故障数据选自文献[8].

3.1 建立物元模型

根据文献[18]建立物元模型见表1.

由表1得出对应节域如下

待诊断样本的尾气成分含量信息见表2.

3.2 计算可拓关联度并标准化

根据式(7)～(11)计算九个待诊断样本对三种故障的可拓关联度.其中，故障特征权重系数w

表1 失火故障物元模型

表2 待诊断尾气样本

由主成份分析法确定，分别为0.5，0.31，0.1，0.05，0.04.

经过计算，得到9个样本的可拓关联度并诊断结果见表3.

表3 可拓诊断结果

由表3可知，数值1代表可拓关联度为1，表示发生相应的故障.例如，样本1，关联度K(I1)为1，表示待诊断尾气样本1为发动机发生轻微失火故障时的尾气，对应故障类型I1.由于发动机失火程度具有边界模糊性，即正常状态与轻度失火的交界状态既可以定义为正常状态也可以称之为轻度失火状态，如待诊断样本4，样本4与故障类型I1的可拓关联度为1，表示该样本尾气是在发动机处于正常状态下采集的，但是样本与故障类型I2的可拓关联度为0.773 2，表明发动机在该状态时处于故障类型I2即轻度失火的可能性也很高，说明发动机将趋向轻度失火故障.同样例如样本6，样本6与故障类型I3的可拓关联度为1，表明发动机此时处于故障类型I3，即严重失火状态，但是该样本与故障类型I2的可拓关联度为0.627 7，说明发动机也有很大可能性处于轻度失火状态，推测发动机可能由轻度失火状态进入严重失火状态不久.

对比表2～3，可拓诊断方法的诊断结果与实际故障状态相符合，说明该方法进行故障诊断结果可信.另外，由表3可知，可拓诊断方法不仅可以进行故障诊断，还可以对发动机运行状态的变化趋势进行预测.

4 结 论

1) 将可拓理论应用于发动机失火故障的诊断，首先建立可拓理论故障诊断物元模型，然后进行可拓关联度的计算与标准化处理，最后利用数据进行了诊断测试.

2) 可拓关联度为1表示故障样本数据，测试数据与故障样本数据的可拓关联度越接近1表明其发生测试样本故障的可能性越大.

3) 对于失火故障而言，正常状态、轻度失火、严重失火等故障之间的过度存在模糊边界，这与实际运行是相符的，故在边界状态下，对于两种状态的可拓关联度都较大.

4) 可拓诊断方法不仅可以进行故障诊断，还可以根据可拓关联度的变化对发动机运行状态的变化趋势进行预测,表明该方法是有效可行的.

参考文献

[1] 袁幸,朱永生,张优云,等.基于模型辨识的滚动轴承故障诊断[J].振动测试与诊断,2013(1):12-17.

[2] 梅检民,赵慧敏,肖云魁,等.基于多分类支持向量机和D-S证据理论的轴承故障诊断[J].汽车工程,2015(1):114-119.

[3] 刘长良,武英杰,甄成刚.基于变分模态分解和模糊C均值聚类的滚动轴承故障诊断[J].中国电机工程学报,2015,13:3358-3365.

[4] SADOUGH V Z N, KHORASANI K, MESKIN N.Fault detection and isolation of a dual spool gas turbine engine using dynamic neural networks and multiple model approach[J]. Information Sciences,2014(20):234-251.

[5] 杨春燕，蔡文.可拓学[M].北京：科学出版社,2014.

[6] CHEN J, ROBERT B R. Improved automated diagnosis of misfire in internal combustion engines based on simulation models [J]. Mechanical Systems and Signal Processing, 2015(1):58-83.

[7] 代新雷,王平福,陈昊,等.排放分析在电喷发动机起动故障诊断中的应用[J].汽车技术,2004(9):40-42.

[8] 李增芳,何勇.基于粗糙集与BP神经网络的发动机故障诊断模型[J].农业机械学报,2005(8):118-121.