柴油机故障诊断技术发展及故障分析

柴油机故障诊断技术发展及柴油机故障分析一、柴油机故障诊断技术的发展随着柴油机工作性能的不断改善，一方面将大大提高劳动生产率，提高产品质量，降低生产成本和能耗；但另一方面，一旦柴油机中某个部分或者某一环节发生故障，往往会导致停工停产，造成巨大的经济损失，甚至造成关键设备损坏，危及人身安全。

及时发现、诊断故障并采取有效的措施，可增加柴油机工作时的安全性和可靠性，降低柴油机维修费用，减少由此带来的损失，防止突发事故，具有重大的现实意义。

随着现代科学技术的发展，柴油机故障诊断技术也经历了重大的变化：从最初的事后维修发展到定时检测、再到现代故障诊断技术的视情维修。

技术的发展大幅度地提高了生产率。

然而，由于柴油机系统的复杂性，目前其故障诊断与预报技术和相应装置尚难尽如人意，需要作进一步的研究与完善。

1 传统故障诊断技术及特点传统的柴油机故障诊断技术通常采用热力参数监测、磨粒监测和声振监测等技术手段进行，以下分别进行说明。

1.1 热力参数分析法热力参数分析法是利用柴油机工作时热力参数的变化来判断其工作状态的。

这些参数包括气缸压力示功图、排气温度、转速、滑油温度、冷却水进出口温度及排放等。

由于参数与故障的相关性较大，因此此分析法获得了广泛应用。

近年来，研究者们发现，柴油机转速的波动系因曲轴扭转波动引起，而此波动与柴油机各缸发火有关，故研究转速的波动可以估算缸内做功压力并据此进行有关的故障监测。

1983 年，A .Kood 等提出傅里叶级数和相关分析的方法，可以较精确地识别整机熄火故障；山东大学黄宜谅教授等开发了ESM 转速测量仪，可以测量瞬时转速和循环转速并诊断熄火故障；浙江大学吴锋等利用光电编码器，实现了瞬时转速的高精度测量，并用循环内转速波动诊断失火故障。

由于扭振的存在，使得利用瞬时转速诊断柴油机熄火故障的准确率大为降低，甚至误判。

我国高校和研究院所，如天津大学、上海内燃机研究所等单位开展了利用柴油机示功图判断其性能状态的基础研究，并开发了功能较为单一的热力参数产品，如AVL873 喷油监测仪、AVL442 曲轴箱漏气仪、烟度仪、转速和供油角监测仪等。

法国、德国、日本、美国和挪威等航运业先进的国家先后开发了船舶柴油机性能诊断系统，如挪威KYMA公司研制的“Marine Performance Monitoring”已先后在十余艘船舶主机上得到应用，取得了良好的监测与诊断效果。

1.2 磨粒监测分析法磨粒监测分析主要通过润滑油油样分析，综合利用油品化验、铁谱分析、光谱分析、含铁量检查，诊断柴油机的摩擦副是否发生异常磨损及其零件、部位，来判断柴油机的磨损状态及故障状态。

1989 年美国CARBORUDUM 公司制作了一套铁谱分析软件系统(FAST 系统)；1992 年，ROYLANCE 等人开发出了计算机辅助微粒分析的CASPA 专家系统，可以对磨粒进行系统的形貌分析。

我国的许多研究单位，如清华大学、武汉理工大学、西安交通大学等，在这方面也都作了大量的研究工作。

但从技术角度分析，由于此分析法监测的数据多，各个指标数据的重要程度也不相同，致使诊断结果可信度较低；同时，铁谱及光谱分析法无法确定有问题的缸位，且不易实现实时监测；磨粒监测分析的结果只是定性地描述，存在一定的随机性。

1.3 声振监测其基本原理是通过对柴油机异常声音、异常振动的监测，诊断柴油机是否发生故障及其部位。

由于柴油机振源的复杂性，所以此方法理论上虽有突破，但在实用上仍未有卓有成效的应用成果。

目前主要有两类成果：1.3.1 声发射监测机械结构的裂纹一直为生产所重视，人们最初是通过敲击结构使结构发出声音，通过声音来诊断裂纹。

气缸套的微观裂纹在活塞侧推力的作用下会使得高频弹性波快速释放，这是利用声发射来监测气缸—活塞磨损状态的原理。

通过实验发现，如果活塞与气缸套的磨损加剧，声发射信号要比正常强。

这种方法由于背景噪声太强而使准确率下降。

声发射装置的成本很高，它的推广受到限制。

1.3.2振动分析法柴油机是一个既有旋转机构又有往复机构的复杂系统，振动源多。

振动噪声在柴油机运动系统、燃烧系统的故障诊断中得到了较多的利用，成为了研究热点。

此方法测取的信号主要有扭转振动、噪声、缸盖系统振动、机身及侧面振动等。

目前国外运用振动分析法的主要方向为：通过机体表面振动信号来识别柴油机气缸内的压力示功图；用瞬时转速推算缸内压力变化；利用时频分析、小波分析局域波分析、载荷识别等新的信号分析与处理方法来处理柴油机表面振动信号。

在国内，有如在气缸头安装振动传感器，通过分析振动信号诊断缸内故障；利用振动信号诊断柴油机主轴承故障；利用润滑油管路内的压力波信号诊断柴油机轴承故障。

2 现代的故障诊断技术随着现代科学技术的发展及自动化程度的提高，传统的柴油机故障诊断方法日益显现出不足和弊端，表现在：基于故障机理的诊断方法因柴油机结构的复杂性而逐渐被放弃；故障树诊断法由于其诊断方法粗糙致使诊断精度不高；瞬时转速波动诊断方法虽然能够反映故障信息，但不能反映造成故障的原因，而且测量瞬时转速波动需要高频响、高精度的仪器，成本高。

于是许多诊断故障的现代技术方法便在此背景下应运而生了。

2.1 基于专家系统的智能化诊断方法故障诊断专家系统是人们根据长期的实践经验和大量的故障信息知识、设计出的一种智能计算机程序系统，以解决难以用数学模型来精确描述的系统故障诊断问题。

自1965 年，美国斯坦福大学的DENDRAL 专家系统开始，专家系统的研究和应用迅速发展，具有人工智能的柴油机故障诊断专家系统也成为现代柴油机管理的研究方向。

上世纪70 年代美国通用电器公司研制出基于规则的内燃电缆机车故障诊断系统(DELTA 专家系统)；1996 年美国EMD 和Rockwell 公司联合开发出柴油机状态监视系统(ICM)和诊断专家系统(EMD)。

近年来，国内对柴油机故障诊断专家系统的研究也取得了长足的进步，如MAN B&WMC 系列船用柴油机故障诊断专家系统，船舶柴油机状态检测及故障诊断仪，EDES—4 柴油机故障诊断专家系统等。

2.2 基于神经网络的诊断方法目前，神经网络在柴油机故障诊断中的运用主要有：2.2.1 神经网络直接用于故障诊断挑选关键参数如小波分析、振动、热力、局域波分析、时间序列分析模型等相关参数作为输入层，故障参数作为输出层，利用典型样本学习所得权值进行模式识别。

2.2.2 模糊神经网络神经网络由于能模仿人脑神经元功能，具有强大的自学习能力和数据的直接处理能力，而模糊推理则模仿人脑的逻辑思维，具有较强的结构性知识表达能力。

将神经网络方法与模糊推理方法结合起来，可实现故障诊断系统对不精确或不确定等模糊信息的处理，同时使得基于规则的结构性知识能够得到学习和调整。

神经网络方法与模糊逻辑方法结合的方式有两种：一种是将传统神经网络模糊化。

这种方式保留原来的神经网络结构，而将神经元进行模糊化处理，使之具有模糊信息的能力，即常规的模糊-神经网络。

另一种是直接根据模糊规则或模糊分类算法构造相应的网络结构，即基于联结主义的神经—模糊推理协作系统。

2.2.3神经网络与专家系统结合传统的专家系统在开发研制过程中存在着知识维护难、推理能力弱、实时性差以及知识获取的“瓶颈”问题，而利用神经网络较好的容错性、响应快、自组织和自适应等优点可以弥补这些不足。

神经网络与专家系统的结构有两种方法：一种是使用神经网络来构造专家系统，即把传统专家系统的基于符号的推理变成基于数值运算的推理，以提高专家系统的执行效率，并解决专家系统的自学习问题；另一种方法是：将神经网络理解成一类知识源的表达与处理模式，这类模式与其它知识表达方式，如规则、框架等一起来表达领域专家的知识，并面向不同的推理机制。

2.2.4 神经网络与其他方法融合为提高BP 算法避免陷入极小的能力和收敛速度，把同伦论中的零点路径跟踪概念推广到对多层前向神经网络能量函数极小点路径的跟踪。

而采用带动量项自适应变步长的一种改进的非线性同伦BP 算法，并采用二进制结构来表示输出模式矩阵，由此简化网络的结构，减少样本的训练次数。

并且有一种基于黄金分割法改进的BP 算法，用来自适应调整网络学习速率，粗糙集-自适应模糊神经网络推理系统集成进行故障诊断的方案和基于贝叶斯最小风险准则提出概率神经网络用于故障诊断的方法。

与其它人工智能技术一样，人工神经网络由于存在过度训练、样本的过拟合及透明度较低等缺陷，用于柴油机故障诊断有其局限性；尤其对于复杂的大型柴油机故障的诊断，要求能够及时、迅速准确地做出判断，并提出相应解决策略，往往需要探索新的智能算法和网络结构。

样本数据收集、数据的归一化和隐节点选取的方法还需进一步探讨。

2.3 基于灰色系统理论的诊断方法华中理工大学邓聚龙教授创立了灰色系统理论，将柴油机系统看成一个复杂的灰色系统，利用存在的已知信息去推知含有故障模式的不可知信息的特性、状态和发展趋势，其过程即是一个灰色过程的白化过程。

灰色理论在故障诊断中的应用包括灰色系统建模、关联度分析、灰色模型预测等，其学习方法不仅编程简单，便于调试，而且再学习容易实现。

2.4 基于模糊系统的诊断方法美国控制论专家查德(L.A.Zadeh )在1965年提出模糊集的概念，此后模糊集与系统理论作为一门新的工程数学方法，被人们广泛研究并应用于各个领域。

由于动力系统结构的多样性及故障征兆与原因之间关系的复杂性，使得同一种故障原因会对应着多种故障征兆；而同一种故障征兆又对应着多种故障原因，从而使传统的诊断方法在实际应用中暴露出其局限性。

模糊诊断方法所要解决的问题是根据症状来确定所发生的故障，这种诊断方法比较符合人类的思维方式，能克服机器设备复杂带来的困难，因此具有较强的使用价值。

但目前人们所采用的模糊故障诊断方法多为模糊一级综合评判方法，对于像舰船动力装置这样故障征兆较多、权数分配较细的大型系统而言，难以达到准确。

基于一级模糊综合评判的基础上，运用群组AHP和模糊综合评价法对柴油机的故障进行诊断研究，较好地解决了上述问题。

利用AFS 结构的直和分解算法，把一个复杂的AFS 结构分解为若干个相互独立的子AFS 结构，从而有效地降低了系统的复杂程度，在此基础上应用AFS 理论进行故障诊断。

2.5 基于信号处理技术的诊断方法基于信号处理技术的诊断方法主要是指利用时频分析方法，如傅里叶变换、小波变换、时间序列分析、局域波方法、功率谱分析、高阶谱分析、模糊函数分析等的诊断方法，其中小波变换方法居于重要地位。

它是20 世纪80 年代后期发展起来的应用数学分支，具有许多优良的特性。

利用传统的傅里叶变换可以从整体上分析振动信号所包含的频率成分，在频域提取振动信号的特征信息，通过它可以诊断出柴油机的故障，却不能确定发生故障的位置；而小波包分解同时对分解结果的低频和高频部分进行再分解，大大提高了对信号高频部分的频率分辨率，获取了大量的故障信息，对故障诊断有重要意义。