第３０卷第６期 ２００８年ｌ２月 舰船科学技术 Ｖｏ１．３０，Ｎｏ．６ Ｄｅｃ．，２００８ ＳＨＩＰ ＳＣＩＥＮＣＥ ＡＮＤ ＴＥＣＨＮＯＬＯＧＹ 船舶柴油机供油系统故障诊断研究 马晓军，王 直，邢春光 （江苏科技大学电子信息学院，江苏镇江２１２００３） 摘 要： 柴油机燃油供给系统工作质量的好坏，直接影响柴油机的工作性能。阐述了在虚拟仪器中对柴油机 喷油系统压力波的数据采集和特征参数提取，并介绍了在各种故障模式下柴油机喷油器产生故障的原因和特征参数 的变化，利用人工神经网络模型实现故障诊断。结果表明，该方法可实现柴油机喷油器不解体故障诊断，在实际的故 障诊断中具有一定的应用价值。 关键词： 柴油机；虚拟仪器；神经网络；故障诊断 中图分类号：ＴＫ４２２ 文献标识码：Ａ 文章编号： ｌ６７２—７６４９（２００８）０６—００７３—０３ ＤＯＩ：１０．３４０４／ｊ．ｉｓｓｎ．１６７２—７６４９．２００８．０６．０ｌ３ Ｒｅｓｅａｒｃｈ ｏｎ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｆｏｒ ｆｕｅｌ ｉｎｊｅｃｔｏｒ ｓｙｓｔｅｍ ｏｆ ｍａｒｉｎｅ ｄｉｅｓｅｌ ｅｎｇｉｎｅ ＭＡ Ｘｉａｏ—ｉｎｎ，ＷＡＮＧ Ｚｈｉ，ＸＩＮＧ Ｃｈｕｎ—ｇｕａｎｇ （Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｅｌｅｃｔｒｏｎｉｃｓ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ，Ｊｉａｎｇｓｕ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ， Ｚｈｅｎｊｉａｎｇ ２ １ ２００３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅ ｑｕａｌｉｔｙ ｉｎ ｆｕｅｌ ｉｎｊｅｃｔｏｒ ｓｙｓｔｅｍ ｏｆ ｄｉｅｓｅｌ ｅｎｇｉｎｅ ｄｉｒｅｃｔｌｙ ｒｅｌａｔｅｓ ｔｏ ｔｈｅ ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｔｈｅ ｅｎｇｉｎｅ．Ｔｈｉｓ ｐａｐｅｒ ｅｌａｂｏｒａｔｅｓ ｔｈｅ ｆｕｎｃｔｉｏｎ ｏｆ ｔｈｅ ｄａｔａ ａｃｑｕｉｓｉｔｉｏｎ ａｎｄ ｆｅａｔｕｒｅ ｅｘｔｒａｃｔｉｏｎ ｆｏｒ ｐｒｅｓｓｕｒｅ ｗａｖｅ ｏｆ ｆｕｅｌ ｉｎｊｅｃｔｉｏｎ ｓｙｓｔｅｍ ｏｆ ｄｉｅｓｅｌ ｅｎｇｉｎｅ ｉｎ ｖｉｒｔｕａｌ ｉｎｓｔｒｕｍｅｎｔ．Ａｎｄ ｔｈｅｎ ｐｒｅｓｅｎｔｓ ｔｈｅ ｒｅａｓｏｎ ｆｏｒ ｔｈｅ ｄｉｅｓｅｌ ｅｎｇｉｎｅ ｔｒｏｕｂｌｅ ａｎｄ ｔｈｅ ｅｆｆｅｃｔ ｏｎ ｔｈｅ ｆｅａｔｕｒｅ ｐａｒａｍｅｔｅｒｓ ｕｎｄｅｒ ａｎｙ ｋｉｎｄ ｏｆ ｔｈｅ ｆａｕｌｔ ｍｏｄｅ．Ｆｉｎａｌｌｙ ａｒｔｉ— ｉｆｃｉａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｗａｓ ｕｓｅｄ ｉｎ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ．Ｒｅｓｕｌｔ ｓｈｏｗｅｄ ｔｈａｔ ｔｈｅ ｍｅｔｈｏｄ ｃｏｕｌｄ ｒｅａｌｉｚｅ ｄｉｅｓｅｌ ｉｎｊｅｃｔｏｒ ｄｉａｇｎｏｓｉｓ ｗｉｔｈｏｕｔ ｄｉｓａｓｓｅｍｂｌｅ．Ｉｔ ｉｓ ｆａｉｒｌｙ ｖａｌｕｅ ｉｎ ａｐｐｌｉｃａｔｉｏｎｓ ｔｏ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ． Ｋｅｙ ｗｏｒｄｓ：ｄｉｅｓｅｌ ｅｎｇｉｎｅ；ｖｉｒｔｕａｌ ｉｎｓｔｒｕｍｅｎｔ；ｎｅｕｒａｌ ｎｅｔｗｏｒｋ；ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ０ 引 言 根据英国柴油机工程师和用户协会提供的资料 表明，造成柴油机停机后果的各种原因中，燃油供给 系统故障占２７％，所占比例最大。因此，及时了解燃 油供给系统的工作状态，及时发现故障极为重要。柴 油机供油系统的状态信息主要体现在高压的压 力波形中，因此通过对压力波形的分析，提取足够的 特征信息，判断系统的工作状态，以达到诊断系统故 障的目的。 之后，作为ＢＰ神经网络的输入层参数，最后得出引 起故障的原因。 １ 数据采集 数据采集一般流程为：传感器一信号调理箱一上 位机（采集卡），传感器是将目标信号转换为电流或 电压；信号调理箱的作用主要是把信号转变为适合采 集卡读取的信号；采集卡则以设定的采样频率采集信 号数据。 本系统采用ＧＴ－３０Ａ型移动燃油喷射压力传感 器，采用ＮＩ公司生产的低价位多功能输入输出卡 文章通过虚拟仪器采集高压有管燃油压力波，从 压力波形中提取特征参数，且对特征参数归一化处理 收稿日期：２００７—０９—２９ 基金项目：江苏省高技术研究基金资助项目（ＢＧ２００６０２２） ＰＣＩ一６０２４Ｅ作为本故障诊断系统的数据采集卡，Ｅ系 作者简介：马晓军（１９８１一），男，硕士研究生，主要从事导航控制系统、设备监测及故障诊断研究。 ・７４・ 舰船科学技术 第３０卷 通道选择Ｉ Ｉ采样频率 凿 Ｉ ＤＡＯｍｘ Ｃ１ｅａｒ Ｔａｓｋ．ｖｉ 王五 盆ｌ坚尘 堂ｌ ｌ 瓣Ｌ 蕊［＝ 麓Ｕ｛ ＡＩ Ｖｏｌｔａｕｅ’０ ｌＳ￣ｏｌｅ Ｃｌｏｃｋ Ａｎａｌｏｇ ２Ｄ ＤＢＬ Ｔ ＮＣｈａｎ ＮＳａｍｐ 图１数据采集框图 Ｆｉｇ．１ Ｃｏｎｆｉｇｕｒａｔｉｏｎ ｏｆ ｔｈｅ ｄａｔａ ａｃｑｕｉｓｉｔｉｏｎ 列板卡是多个模拟一数字转换器构架上创建，每个通 性较差。 道都有强大的处理能力和出色的精准度，与Ｌａｂ． ＶＩＥＷ编程语言完全兼容，编程控制比较容易修改， ３）方根幅值： … 【 ｌ ＂－Ｉ （ｎ）Ｉ寺Ｊ 且性能稳定。本故障诊断出于对经济性、灵活性、实 信号的方根幅值与信号的能量关系密切，是描述 用性多方面的考虑，采用Ｆｕｎｃｔｉｏｎｓ模板》ＮＩＭｅａ— 动态信号强度的指标，可以弥补峰值 对信号幅值整 ｓｕｒｅｍｅｎｔｓ子模板》ＤＡＱｍｘ—Ｄａｔａ Ａｃｑｕｉｓｉｔｉｏｎ节点来 体水平反映不足的缺陷，稳定性较好，但敏感性较差。 完成数据采集工作。主要的数据采集框图如图１所 ４）斜度： ＝亩∑［ （ｎ）一 ］ 示。在实际应用中使用通过ＤＡＱ—Ａｓｓｉｓｔａｎｔ配置测量 任务、通道和标定的图形化接口。 斜度反映信号概率分布的中心不对称程度。 ２诊断方法概述及ＬａｂＶＩＥＷ实现 ５）峭度：ＪＢ＝ １∑ （ｎ） 峭度反映信号概率密度函数峰顶的凸平度。 ２．１ 信号特征参数的提取 根据实际工作经验，常用于柴油机燃油系统状态 ６）峭度指标： 【 １ Ｎ－Ｉ （州Ｉ／［√翮 监测与诊断的特征参数主要是峰值、方差、方根幅值、 峭度指标是信号峭度与其均方根值的四次方的 斜度、峭度和峭度指标。对参数求解公式及其分析如 比值，概率密度分布陡峭程度的度量。 的敏感性 下。 较好，稳定性一般。 １）峰值：Ｍａｘ（１ ，１） 通过对ＬａｂＶＩＥＷ中Ｓｉｇｎａｌ Ａｎａｌｙｓｉｓ函数下的 峰值描述指信号可能出现的最大瞬时值，是信号 Ｓｔａｔｉｓｔｉｃｓ函数配置，求出均方根值、峭度、斜度等，利 强度的一种描述，具有一定的检测能力，但它的稳定性 用其他函数分别求出峰值、方根幅值和绝对平均值， 相对较差，可通过剔除异常点的方法来提高其稳定性。 根据上述公式求出特征参数值并组成特征参数数组。 １ ｎ一１ ２）方差： ＝ ∑［具体的软件实现程序如图２所示。 ’ｎ ０ （ｎ）一 ］ ２．２标准故障模式建立 方差描述信号偏离中心趋势的波动强度，因此它 柴油机供油系统常见故障主要有喷孔堵塞、启喷 是信号的波动分量，其稳定性较好，但对故障的敏感 压力降低、喷油器弹簧折断、针阀卡住以及针阀偶件 图２特征值提取模块 Ｆｉｇ．２ Ｃｈａｒａｃｔｅｒｉｓｔｉｃ ｖａｌｕｅ ｅｘｔｒａｃｔｉｏｎ ｍｏｄｕｌｅ 第６期 马晓军，等：船舶柴油机供油系统故障诊断研究 ・７５・ 磨损。对主要故障模式产生的主要原因和压力波形 同程度升高。 的影响分析如下： 模拟柴油机工作状态提取特征参数，建立标准故 １）喷孔堵塞 障模式（见表１）。其中的Ｆｌ—Ｆ８分别代表正常喷 喷孔堵塞主要原因有：喷油头积碳及燃油中混进 射，喷孔堵塞１个、２个，启喷压力２０ ＭＰａ和１８．５ 固体杂质而引起喷孔堵塞。在压力波形上表现为峰 ＭＰａ，喷油器弹簧折断，针阀下卡死以及针阀偶件磨 值压力明显大于正常压力波峰值，其斜度、峭度及峭 损８种故障模式。 度指标远大于正常压力波，说明燃油压力升高急剧； 表１ 典型故障及其特征参数值 除波形指标和裕度指标外，其余指标都有明显上升。 Ｔａｂ．１ Ｔｙｐｉｃａｌ ｆａｕｌｔ ａｎｄ ｃｈａｒａｃｔｅｒｉｓｔｉｃ ｐａｒａｍｅｔｅｒ ｖａｌｕｅ ２）启喷压力降低 启喷压力降低主要原因有：压力调节螺钉松动、 篷霎 峰值 方差 鬈 斜度 峭度 鉴 Ｆ１ １．０００ Ｏ １．０００ ０ １．０００ ０ １．０００ ０ １．０００ ０ １．０００ ０ 调压弹簧弹力下降或折断、工作面挤压或磨损导致弹 Ｆ２ １．０３４ ８ １．１２９ ０ １．１６９ ４ １．３１０ ９ １．４６９ ３ １．２０７ ３ 簧预紧力下降。在压力波形上表现为压力波峰值明 Ｆ３ １．１０４ ９ １．７５８ ９ １．５５９ ２ ２．２８ｌ ｌ ２．９２７ ３ １．８１９ ８ 显下降，其峭度指标明显低于正常燃油压力波，说明 Ｆ４ ０．９８０ ３ １．０３３ ６ ０．９７０ ９ １．１３６ ９ １．２３６ ２ ０．９２３ ８ 波形上升较缓；在余波中可明显看出反射波较小；另 Ｆ５ ０．９６１ ４ １．１４７ ７ ０．８９６ ２ １．２２４ ８ １．３２４ ８ ０．８５９ ５ Ｆ６ ０．９４０ ８ ０．９６１ ６ １．００７ ３ １．０１３ ０ １．０６３ ３ ０．８２９ ３ 外其方根幅值和平均幅值都有明显下降，其余指标如 Ｆ７ １．５５３ ８ ３．Ｏ５１ ４ ２．３３７ ０ １．３１６ ３ ９．５２６ ８ ３．６７２ ９ 方均根值、波形指标、裕度指标和脉冲指标都有不同 Ｆ８ ０ ９８５ ５ ３．】３】２ ０．９２】７ １．１２７ ８ １．２５４ ９ ０．８８ｌ ６ 程度升高。 ３）针阀卡住 针阀卡住的主要原因有：喷嘴过热针阀变形、燃 ３ 神经网络故障诊断 气从喷孔倒流人内腔、喷油柴油中杂质或喷孔附近积 ＢＰ（ｂａｃｋ ｐｒｏｐａｇａｔｉｏｎ误差反向传播）网络由于其 碳严重等而引起针阀卡住。在压力波形上表现为峰 具有很强的非线性逼近能力及自适应、自学习能力， 值、幅值、方差、峭度和峭度指标都远远大于正常值； 因此可以处理那些难以用数学模型描述的系统。本 其波形指标和裕度指标都远低于正常值，其余指标也 系统通过ＢＰ网络对故障模式进行分类。 有较大幅度提高。 由于ＬａｂＶＩＥＷ中没有神经网络相关的函数工具 ４）针阀偶件磨损 包，所以在此利用ＬａｂＶＩＥＷ提供的ＭＡＴＬＡＢ Ｓｃｒｉｐｔ 针阀偶件磨损主要原因有：喷油器弹簧的冲击与 节点来调用ＭＡＴＬＡＢ神经网络工具箱中的函数来创 柴油中杂质的冲刷作用、柴油带入的杂质磨削作用。 建和训练神经网络。ＭＡＴＬＡＢ Ｓｃｒｉｐｔ节点在Ｌａｂ— 在压力波形上表现为其幅值、峰值指标和峭度指标均 ＶＩＥＷ中位于Ｆｕｎｃｔｉｏｎ模板》Ａｎａｌｙｚｅ子模板》 小于正常值，说明压力波上升平缓；其余指标都有不 Ｍａｔｈｅｍａｔｉｃｓ子模板》Ｆｏｒｍｕｌａ子模板下。 图３故障诊断效果图 Ｆｉｇ．３ Ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｅｆｆｅｃｔ ｃｈａｎ （下转第１０３页） 第６期 胡 涛，等：基于物元贝叶斯网络的舰船战损评估模型研究 ・１０３・ 提出了物元贝叶斯网络理论，并将其应用于舰船战场 ［７］ 陈健，孙冀辉，米双山．基于贝叶斯网络的装备部件战斗 损伤评估中。该理论可以处理舰船战场损伤过程中 的不确定性信息，并能很好地表达损伤症状、损伤假 设、观测操作、维修操作等方面的信息，运用物元的思 想将其融合到物元贝叶斯网络模型中去，从而提高了 评估的效果和可信性。但是限于篇幅，本文仅建立了 舰船战场损伤评估的物元贝叶斯网络模型，下一步将 损伤研究［Ｊ］．航空兵器，２００５，（８）：６—９． 杨建军．基于云模型的物元综合评估方法 ［８］ 胡涛，王树宗，［Ｊ］．海军工程大学学报，２００６，（２）：８５—８８． ［９］ 杨懿，武昌，刘涵，等．基于可拓工程方法的维修保障系统 效能评估研究［Ｊ］．海军工程大学学报，２００５，（６）：７２—７６． ［１０］ 王志全，石全，韦毅．面向提高分析效率的战场损伤分 析（ＦＭＥＡ／ＤＭＥＡ）方法研究［Ｊ］．军械工程学院学报， ２００５，（４）：３５—３７． 进一步研究舰船战场损伤评估的物元贝叶斯网络推 理过程和算法。 参考文献： ［１］ ，贾希胜，刘利，等．战场损伤分析过程及存在问 题研究［Ｊ］．兵工学报，２００４，（３）：１３９—１４２． ［２］ ，刘利，王志成，等．战场损伤分析过程研究及其 应用［Ｊ］．军械工程学院学报，２００３，（６）：１４—１９． 张学谦．贝叶斯网络故障诊断与维修决策方法及应用 研究［Ｄ］．长沙：国防科技大学，２００５． ［１２］ 贺炜，潘泉，张洪才．贝叶斯网络结构学习的发展与展 望［Ｊ］．信息与控制，２００４，３３（２）：４４—４６． ［１３］ 王军，周伟达．贝叶斯网络的研究与进展［Ｊ］．电子科 技，１９９９，（５）：６—７． Ｊ．Ｆｕｓｉｏｎ ｐｒｏｐａｇａｔｉｏｎ ａｎｄ ｓｔｒｕｃｔｕｒｉｎｇ ｉｎ ｂｅｌｉｅｆ ｎｅｔ— ［１４］ Ｐｅｒａｒｌ［３］ 马志军，杜晓明，石全．装备战斗损伤等级评定［Ｊ］．系 统工程与电子技术，２００４，（１２）：１８４２—１８４４． ［４］ 曾拥华，严骏，冯柯，等．装备战场损伤等级评定系统分 ｗｏｒｋ［Ｊ］．Ａｒｔｉｉｆｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ，１９８６，２９（３）：２４１—２８８． ［１５］ 杨有龙，吴艳．基于进化算法的贝叶斯网络度量［Ｊ］． 兵工学报，２００４，２５（５）：５８６—５９０． 析与设计［Ｊ］．兵工学报，２００５，（７）：５３１—５３４． ［５］ 胡起伟，石全，王广彦，等．基于神经网络的威胁评估研 究［Ｊ］．计算机仿真，２００６，（６）：２５—２８． ［６］ 王塑，周少平，黄教民．基于贝叶斯网络的威胁识别 ［１６］ 袁志刚，傅彦，李欣宇．贝叶斯网络结构学习方法研究 ［Ｊ］．成都信息工程学院学报，２００５，２０（４）：３８９—３９２． ［１７］ 王双成，苑森淼．具有丢失数据的贝叶斯网络结构学 习研究［Ｊ］．软件学报，２００４，１５（７）：１０４２—１０４８． ［Ｊ］．计算机工程与设计，２００６，（９）：３４４２—３４４４． （上接第７５页） 在训练标准故障模式特征参数时，经过对ＭＡＴ－ ＬＡＢ神经网络训练的程序多次调试，证明采用下述 方法，训练效果比较明显。 力波可实现对柴油机喷油器故障的不解体诊断，并且 把虚拟仪器应用到故障诊断系统中，将原先笨重、昂 贵的硬件模块变为小巧、方便的软件模块编程。文章 １）ＢＰ三层网络结构为ＮＮ（６，８，１６），即输入单 中把虚拟仪器技术与人工神经网络模型引入喷油器 的故障诊断中，实现对柴油机故障的智能诊断，并有 利于实现实时故障的在线检测。实践证明，实现柴油 机不解体故障诊断和故障诊断虚拟化，是智能故障诊 断的一个发展方向。 参考文献： ［１］ 杨乐平，李海涛，赵勇，等．ＬａｂＶＩＥＷ高级程序设计 ［Ｍ］．北京：清华大学出版社，２００３． 元数６对应６个故障特征参数，输出单元数８对应８ 种故障模式，中间层数为１６； ２）神经网络算法的第一层选用ｔａｎｇｓｉｇ函数，第 二层选用ｌｏｇｓｉｇ函数，并选用ＬＭ（Ｌｅｖｅｎ—Ｍａｒｑｕａｒｄｔ） 算法； ３）学习率为０．Ｏ１，最大训练次数１ ０００次，训练 要求精度为０．０００ １； ４）设置训练过的特征参数门限值为０．８，即训 练结果的值大于０．８，输出１，否则输出为０。 仿真结果表明，当训练到７４次的时候就符合了 ０．０００ １精度要求，说明该故障模式分类完全有效。 再将归一化后的数据送人ＭＡＴＬＡＢ Ｓｃｒｉｐｔ节点，得到 一［２］ 雷振山．Ｌａｂｖｉｅｗ ７ Ｅｘｐｒｅｓｓ实用技术教程［Ｍ］．北京：中 国铁道出版社，２００４． ［３］ 罗鸿遗，刘小平．机车柴油机喷射系统故障诊断专家系 统的建立［Ｊ］．铁道学报，１９９５，１７（４）：３９—４４． ［４］ 乔新勇，刘东利，康葳，张小明．基于压力波的柴油机喷 串０、１代码，并与标准故障模式匹配，输出故障诊断 油器故障诊断研究［Ｊ］．无损检测，２００４，２６（４）：１８０— １８３． 结果。图３是柴油机燃油系统故障诊断总体效果图。 ［５］ 吕新源，王林冲．柴油机燃油供给系非解体故障快速诊 断方法研究［Ｊ］．中国农机化，２００６，（４）：８０—８１． ［６］Ｈａｇａｎ Ｍ Ｔ，Ｄｅｍｕｔｈ Ｈ Ｂ．Ｍａｒｋ Ｂｅａｌｅ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ ４ 结 语 文章采用外卡式压力传感器测取的高压压 Ｄｅｓｉｇｎ［Ｍ］．北京：机械工业出版社，２００２．
