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