基于关联规则分类的船用柴油机故障诊断.pdf
《基于关联规则分类的船用柴油机故障诊断.pdf》由会员分享,可在线阅读,更多相关《基于关联规则分类的船用柴油机故障诊断.pdf(7页珍藏版)》请在咨信网上搜索。
1、第 41 卷(2023)第 4 期 内 燃 机 学 报 Transactions of CSICE Vol.41(2023)No.4 收稿日期:2022-07-23;修回日期:2022-12-02 基金项目:上海市人工智能创新发展专项资助项目 作者简介:石大亮,硕士研究生,E-mail:.通信作者:林 赫,博士,教授,博士生导师,E-mail:.DOI:10.16236/ki.nrjxb.202304043 基于关联规则分类的船用柴油机故障诊断 石大亮1,张毅然1,湛日景1,林 赫1,邱爱华2,刘佳彬2(1.上海交通大学 机械与动力工程学院,上海 200240;2.上海齐耀重工有限公司,上海
2、201108)摘要:鉴于数据驱动的故障诊断方法诊断过程和结果难以解释,提出了一种基于关联规则分类(CBA)的船用柴油机故障诊断和故障作用机理解释方法通过 GT-Power 柴油机故障仿真试验建立了柴油机故障数据库,采用关联规则分类算法构建了故障分类器,并基于可视化方法提取了重要规则,解析故障作用机理和模型的诊断过程结果表明:基于关联规则分类的柴油机故障诊断方法对测试集的故障识别率高达 98.67%,提取的规则较好地吻合相关热力学知识,可用于故障作用机理与诊断的进一步研究 关键词:船用柴油机;故障诊断;关联规则分类;故障识别率 中图分类号:TK428 文献标志码:A 文章编号:1000-0909
3、(2023)04-0369-07 Fault Diagnosis of Marine Diesel Engine Based on the Classification Base of Association Shi Daliang1,Zhang Yiran1,Zhan Rijing1,Lin He1,Qiu Aihua2,Liu Jiabin2(1.School of Mechanical Engineering,Shanghai Jiao Tong University,Shanghai 200240,China;2.Shanghai Qiyao Heavy Industry Compan
4、y Limited,Shanghai 201108,China)Abstract:In view of the problem that it is difficult to explain the diagnosis process and results of data-driven fault diagnosis method,a method of marine diesel engine fault diagnosis and fault mechanism interpretation based on the classification base of association(
5、CBA)was proposed.Through the GT-Power diesel engine fault simulation experiment,the diesel engine fault database was established,the fault classifier was constructed based on the clas-sification base of association algorithm,and the important rules were extracted based on visualization method to ana
6、lyze the fault mechanism and the diagnosis process of the model.The results show that the fault recognition rate of the diesel engine fault diagnosis method based on classification base of association is as high as 98.67%,and the extracted rules can better match the principle of thermodynamics relat
7、ed knowledge,which can be used for further research on fault mechanism analysis and fault diagnosis.Keywords:marine diesel engine;fault diagnosis;classification base of association;fault recognition rate 在智能船舶的发展历程中,动力系统作为整个船舶最核心的系统,其安全性和可靠性将直接影响船舶的航行安全1-3 船用柴油机作为船舶的动力心脏,是船舶安全运行的基本保障,其结构复杂、工作条件恶劣,发生
8、故障的可能性极大,因而船舶动力系统的状态监测和故障诊断功能十分重要 目前,船用柴油机的故障诊断方法可分为基于分析模型的方法、基于定性经验知识的方法和基于数据驱动的智能诊断方法4 基于分析模型的方法无法获得复杂机理模型的每个细节,基于定性经验知识的监控方法需要很多复杂的专业知识以及长期积累的经验,不易操作4 随着船舶智能化的发展,基于数据驱动的智能诊断方法在一定程度上避免了过度依靠专家经验和复杂的对象模型等缺点,受到了广泛关注5-6 基于数据驱动的柴油机智能故障诊断方法一般采用样本数据训练的思路,首先通过特征提取处理数据,再采用神经网络7-8、支持向量机9-10、深度学 习11-12和迁移学习1
9、3等机器学习方法建立故障诊断 370 内 燃 机 学 报 第 41 卷 第 4 期 模型 然而,基于数据驱动的柴油机故障诊断方法存在故障诊断模型的可解释性差问题,故障诊断系统的分类过程则无法阐释,数据驱动模型往往只能给出诊断精度,数据中存在的潜在知识并未被发现 此外,在故障诊断模型领域的研究通常只关注模型性能(诊断精度与计算时间),对模型进行分类的故障诊断过程、故障的作用机理的研究则鲜见报道 基于此,笔者提出了一种基于关联规则分类(CBA)的柴油机故障诊断和故障作用机理解释的方法,在保证故障诊断精度的前提下,利用诊断模型中的规则库对诊断过程进行逆向分析,分析故障作用机理和模型的诊断过程,以期为
10、柴油机故障诊断的深入研究提供参考 1 故障诊断基础理论 关联规则是一种数据挖掘方法,可表征变量之间的关系,在故障诊断过程中是一种较为实用且简单的方法 该方法通过对数据集的分析,挖掘数据集中存在的各变量之间的因果关系、频率关系以及相关性等,进一步挖掘数据集中存在的故障模式14 Liu 等15提出了关联规则分类算法,将关联规则挖掘技术应用于数据分类,算法主要包括使用Apriori 算法挖掘所有分类关联规则(CARs)和基于CARs 建立分类器两个步骤 首先,使用 Apriori 算法挖掘所有分类关联规则,对于事务集 I,其分类关联规则可表示为AB(AI,BI,AB),A 和 B 分别为规则的前提和
11、后果 在分类关联规则中,B 被限制为分类任务中类别属性 支持度及置信度是度量关联规则的参数,规则的支持度是前提和后果的联合概率;置信度为后果的条件概率,通过设定最小支持度及置信度可以生成适当的规则 支持度和置信度分别为 Sup(AB)P(AB)(1)Conf(AB)P(AB)P(AB)/P(A)(2)其次,选择出高置信度和高支持度的规则(pCARs)根据定义的“更高优先级”原则,在生成的分类关联规则中选择 pCARs 给定两个规则 ri和 rj,ri优先于 rj的条件为 Conf(ri)Conf(rj);或 Conf(ri)Conf(rj)且Sup(ri)Sup(rj);或 Conf(ri)C
12、onf(rj)且 Sup(ri)Sup(rj),但 ri早于 rj生成 最后,基于 pCARs 构建分类器,分类器的形式可以表示为 r1,r2,rn,classd(3)式中:r1,r2,rn为筛选后的规则 pCARs;classd为默认类别,指包含规则数量最多的类别 对于未知工况,当工况的第一条规则满足已知类别时,将直接对其分类;如果规则不满足任何已知类别,则将其放入默认类别中 图 1 为关联规则挖掘的一般模型示意 笔者通过设置不同最小支持度(ms)和最小置信度(mc),构建不同规模的关联规则集,得出对应诊断结果,从中选取最优参数组合,得到最终的关联分类器作为故障诊断模型 图 1 关联规则挖掘
13、的一般模型示意 Fig.1Schematic of a general model for mining associa-tion rules 2 故障诊断模型构建 2.1 数据准备 2.1.1 柴油机仿真模型搭建 笔者以船用柴油机 TBD234 为研究对象,根据TBD234 型柴油机结构和工作特性,将其分为环境、增压器、中冷器、进/排气歧管、气缸和管路等不同的模块,基于仿真软件 GT-Power 搭建了柴油机仿真模型,模型里各个系统中的部件参数来自相应柴油机说明书和台架试验,气缸燃烧放热采用 Wiebe 燃烧模型,柴油机主要参数如表 1 所示 表 1 柴油机主要参数 Tab.1 Main p
14、arameters of diesel engine 参数 数值 气缸数 6 冲程 4 气缸直径/mm 128 活塞行程/mm 140 连杆长度/mm 255 压缩比 15 喷油提前角/()CA-6.5 标定转速/(rmin-1)1 500 标定功率/kW 186 标定燃油消耗率/(gkW-1h-1)203 为验证柴油机仿真模型的可靠性,将计算值与台架试验值进行对比 图 2 为柴油机仿真模型的校核 图 2a 对比了柴油机在标定工况下第 1 缸缸内压力的计算值与试验值,可知,缸内压力与台架试验测 2023 年 7 月 石大亮等:基于关联规则分类的船用柴油机故障诊断 371 得的数据基本吻合此外,
15、对比了转速为 1500r/min、负荷为 25%、50%、75%和 100%工况下的柴油机功率、排气压力、气缸进气压力、燃油消耗率、中冷器出口温度、中冷器出口压力和排气温度 7 个重要参数,误差均在 5%以内,且随着负荷变化趋势一致,如图 2b2d 所示 (a)缸内压力 (b)功率和排气压力 (c)进气压力和燃油消耗率 (d)中冷器出口温度、压力和排气温度 图 2 柴油机仿真模型的校核 Fig.2 Verification of simulation model of diesel engine 2.1.2 柴油机故障仿真 笔者综合柴油机停机故障分析及柴油机仿真模型中故障模拟可行性分析16,通
16、过调整柴油机仿真模型的参数,模拟中冷器效率降低、中冷器压降增大、进气歧管漏气、单缸供油不均、排气歧管漏气、排气阀提前开启和喷油提前角过大这 7 类故障,具体方案如表 2 所示 表 2 柴油机故障仿真方案 Tab.2 Simulation scheme of diesel engine fault 参数设定 故障类别 产生方式 正常值 设定区间 中冷器效率降低IEF 按比例降低管道 传热系数 1 0.250.95 中冷器压降增大IPI 按比例增大管 道压降系数 1 520 进气歧管漏气 IML 增大漏气阀门 开度 0 mm 312 mm 单缸供油不均 MF 减小某个气缸 的喷油量 118 mg/
17、cyc 55100 mg/cyc 排气歧管漏气 OML 增大漏气阀门 开度 0 mm 312 mm 排气阀提前开启EVF 改变排气阀的 凸轮定时角 126 CA 106121 CA 喷油提前角过大IF 增大喷油正时-6.5 CA-14-8 CA 2.2 关联分类器构建 2.2.1 数据预处理 故障诊断并不需要所有变量参与,从中选择关键变量对所提出的故障诊断方法的性能具有显著影响 结合文献17及研究中故障仿真方案,笔者选择进气量 Ain、增压压力 pb、压气机出口温度 Tcom,out、进气歧管温度 Tin、进气歧管压力 pin、排气温度 Tcyl,out、排气歧管压力 pout、涡轮进气温度
18、Ttur,in、涡轮出口温度 Ttur,out和平均有效压力 IMEP 共 10 个参数作为诊断模型的特征变量 故障模拟得到的数据库由数值组成,而关联规则挖掘算法一般只能处理类别属性的数据集,因而需要将数据集中的数值进行分类处理,转化为具有类别属性的数据集 采用等频离散化方法,对上述 10 个特征变量进行预处理,以满足算法要求,并减轻数据极端值的影响 设置诊断模型输入参数mc,ms为0.7,0.1,设置离散间隔数为 210,测试结果如图 3 所示 可知,在离散区间数为 6 时,诊断准确率达到最高(97.67%)此外,诊断模型的计算时间在离散区间数为 6 时也较低 因而选取 6 为最佳离散区间数
19、,对输入数据进行离散化处理,根据数据值从大到小依次赋值为非常高、高、较高、较低、低和非常低 372 内 燃 机 学 报 第 41 卷 第 4 期 图 3 诊断模型的性能与离散区间数的关系 Fig.3 Relationship between the performance of diagnos-tic model and discrete interval number 2.2.2 诊断模型参数优化 笔者采用网格搜索法获取故障诊断模型的最优输入参数组合mc,ms 其中最小置信度取值范围设置为0.30,1.00,最小支持度取值范围设置为0.01,0.05 首先采用分层随机抽样的方式抽取数据集的7
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 关联 规则 分类 柴油机 故障诊断
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。