内燃机智能故障诊断系统的研究及应用刍议

胡奇军

摘要：随着科学技术的迅猛发展，为目前所拥有的内燃机故障诊断系统的发展带来技术层面的支撑，带来发展的新机遇，不断向智能化靠近，使其在发展的道路上智能化的特征愈加凸现。同时其智能系统也在一定程度上不断的得到創新与完善，使内燃机在工农业的生产过程中得到更多人的认可与使用。内燃机故障诊断系统由传统转向智能化转变需要技术条件作为支撑。随着科学技术的进步，内燃机的智能故障诊断系统将会得到更加完善和发展，也必将得到更广泛的应用。

关键词：内燃机;智能故障诊断系统;应用

如今随着信息技术的进步，我国所拥有的故障诊断系统的智能化特征越来越显著，作用也越来越凸现。其当前的智能化系统将神经网络理论与粗糙集理论相结合共同作为其理论基础，将内燃机在运行时所产生振动而带来的丰富多样的特征信号为故障诊断提供大量的信息作为参考依据，因此振动诊断法是最常采用的诊断方法。另外在诊断中还结合其他方法，如：人工神经网络、灰色系统理论以及提取特征方法等数字化更加精确的方法，使其在智能化的道路上发展更加广阔，在一定程度上也使智能故障诊断系统被更多的人所认可并不断投入使用，创造更高效的价值。

1故障机理内容

由于内燃机等大型关键设备的运行状况十分复杂，为了保证内燃机的正常工作，设备故障的诊断工作要求更高。故障诊断要求一个智能化的系统，该系统能自行分析设备故障，并提取故障特征从而尽兴判断和预测，结合了人工神经网络理论和粗糙集理论。目前我国所具有的故障诊断技术与工农业的生产息息相关，而且其复杂系数也很大，所以对其故障的分析也需要参考多方面的数据从而进行诊断，首先就是对内燃机的故障机理进行研究诊断。对故障机理的研究与诊断主要是从信号采集、信号分析处理及特征提取、状态识别以及决策诊断四个方面进行。

当内燃机的设备异常或发生故障时，对其当前显示的状态信号进行相关的检测与采集是进行故障诊断的一个有效环节，通常采用振动诊断、温度测试、压力测试、油液分析技术、无损检测技术、电涡流传感器测试等方法。信号分析处理及特征提取这项内容主要是对在设备故障诊断时将测量的模拟信号转化为数字信号，对其转化后的信号进行加工与处理，然后对有效的信号进行细化，从而提取出有用的故障信息。由于发生故障原因的不同，所以所呈现的故障现象与信号也会一一对应，种类多样。在此情况下，就需要建立相对应的故障标准模式，在此基础上对实际的故障信号进行准确的识别，这一过程就叫做状态识别。最后一项内容叫做决策诊断，主要是指对在生产过程中可能会发生的故障进行预测并制定出针对性的决策判断，做到防患于未然。

2智能诊断的特点

传统的诊断系统的缺陷在于知识获取的途径难、知识的维护难、知识面狭窄、系统推断能力弱、应用性差。与传统的故障诊断系统比较，智能故障诊断系统有着其独特的特点：

2.1知识具有分布式存储特性和并行处理

相较于传统诊断系统，智能诊断系统分布式地存储信息，并行处理信息。消除了信息的无穷递归、组合爆炸以及匹配冲突等问题，加快信息处理速度，提高并行识别并发故障处理效率。

2.2自主学习训练和适应性强

神经网络结构式的连接是多样的，具有可塑性的强度。随着外界的变化，能自主学习训练组织来适应并处理不同信息，接受信息传递变化能力强，自我完善系统。

2.3容错与修改恢复性

因为信息的存储是呈分布式的，当输入的信息不完整或出现局部错误时，系统会能够自动辨别这些信息是否完整或者对错，并且能够自动恢复原来正确的信息，不至于影响信息的正常输出。

2.4提取特征

知识的获取体现在训练样本的获取和选择，遵循两大原则：相容性和代表性。智能系统将知识存储在神经网络的连接权值和域值中，可以有效解决系统知识容量和运行速度间的矛盾。

3智能故障诊断系统的应用

燃机分为内燃机和外燃机两种。内燃机，例如汽油发动机、柴油发动机，工作原理是将输入机器内部的液体燃料和空气混合充分燃烧，将产生的热能转化成机械能;外燃机，例如蒸汽机、汽轮机等，工作原理是在机器外部将燃料燃烧，通过加热水产生高温、高压的水蒸气，从而将产生的热能转变成机械能。智能故障诊断系统在当前的内燃机故障诊断中呈现着良好的发展趋势，它具有强劲的实用性等优势，在未来的发展中还应该结合粗糙集理论、遗传算法等研究来简化内燃机故障的操作过程与操作难度，发挥出巨大的潜能。

为了快速准确地判断内燃机故障，常利用机身振动特性的变化来判断间隙状态。应用一批具有现代数学精确性的方法，比如有信号的小波包分解、神经网络识别、粗糙集方法处理分形理论、神经网络、小波分析、证据理论、灰色系统理论等方法，提取特征方法和模式识别方法多样化，引入信息融合方法，有利于内燃机故障诊断系统向智能化转变。神经网络诊断法内部包含的功能为当前所呈现的模糊、不准确以及错误的信息的诊断与处理提供了新的路径。小波分析法主要是用来分析非平稳信号与平稳信号，其应用价值非常高，也是在故障诊断中进行信号处理的一个有效工具。灰色系统指的是系统中包含有未知的也有已知的信息的系统。通过对此系统进行白化从而得到相关的有效信息，然后在进行相关联的运算从而进行故障诊断。同时内燃机的智能故障诊断系统也逐步形成并渐渐地投入使用。

BP神经网络是通过误差反向传播通过多层训练的神经网络，运用输出后的结果与预计的结果的误差，反向到隐含层中的误差，再一层一层的向前反推，以获得各个层的误差，用这个误差来修改各单元的权值;BP神经网络计算学习的方法是，先是将信号的样本从输入层进入到隐含层进行计算，将计算过的结果输出到输出层，如果输出的结果与目标值不同，那么将误差反向代入到上面的隐含层，在自下而上的修改权值，如果输出值达到目标值，则学习结束。

BP神经网络学习首先是对网络初始化，在对网络节点的权值给出一个随机数，确定网络学习结果的精度或确定能够学习的次数，随机确定个信号的输入值，以及与输入相对应的目标结果，通过计算得出的各隐含层的输入与输出值，通过信号目标输入与期望的输出值，得出各隐含层的偏导数，在修正连接权值，计算出全局误差，判断出输入与输出满足最终目标值，则结束算法，否则，进入下一轮学习。

BP神经网络在当前的内燃机故障诊断中呈现着良好的发展趋势，它具有强劲的实用性等优势，在未来的发展中还应该结合粗糙集理论、遗传算法等研究来简化内燃机故障的操作过程与操作难度，发挥出巨大的潜能。也要对当前具有的有关传感器的研究和相应的检测手段不断进行理念、技术等创新，要发挥不同检测诊断方式的优点，或者进行多种诊断方式结合来应对不同原因而引起的故障，还要对其在故障状态下所得出的信号特征进行准确高效的处理，从而保证后期诊断的可靠精确性。在内燃机使用过程中，有条件的话要进行定期的状态监测与诊断，同时还要注意并进行内燃机智能故障系统的后期保养工作。另外对于诊断方法要进行不断的处理与改进，提高系统的准确性，从而使其将自身的作用发挥到最大化。

结束语

随着科技的发展，内燃机应用于工农业的规模越来越大，为了满足生产的需要，机械设备逐渐向大型、高速、强载、自动与智能化、连续运行及高度复杂化发展，同时系统故障发生率也相应增加。一旦发生故障，就有可能使整台设备甚至整个生产过程受到影响和破坏，造成经济损失，更严重的会发生灾难性人员伤亡事故。

参考文献

[1]褚光超，刘洪波.内燃机智能故障诊断系统的研究及应用[J].中国高新技术企业，2012（26）：22-24.

[2]褚光超，刘洪波.内燃机智能故障诊断系统的研究及应用探析[J].科技促进发展，2012（s1）：48-50.

[3]张启义，寇学智.基于SOM神经网络的内燃机故障智能诊断研究[J].小型内燃机与摩托车，2009，38（04）：49-51.