基于MATLAB的柴油机故障检测

山西中北大学机械与动力工程学院　王际同　姚竹亭

基于MATLAB的柴油机故障检测

山西中北大学机械与动力工程学院王际同姚竹亭

首先采集柴油机的振动信号，利用MATLAB软件进行信号分析与处理，最终确定柴油机是否发生故障，并确定所发生的故障类型及其严重程度。

柴油机；MATLAB；故障检测；信号处理

1引言

柴油机是一种常见的提供动力源的机械设备，对柴油机的运行状态进行实时检测具有重要意义。虽然目前人们能够通过经验来定性判断柴油机的故障类型，但不能够定量判断故障类型及其严重程度，对于罕见的故障也缺乏人工经验。

通过振动传感器采集柴油机的振动信号，利用MATLAB对信号数据进行智能分析，最终不仅能够判断柴油机的故障类型，而且能够定量判断类型的严重程度。

2柴油机故障类型

柴油机的常见故障如表1所示［1］。

表1　常见故障类型

3故障检测方法

近年来，柴油机的故障检测方法不断更新和出现，例如，振动信号法、油液信号法、热力信号法、瞬时转速法、综合法等，主要的区别在于柴油机采集信号类型的选取。本文采用的是振动信号法。

4基于MATLAB的柴油机故障检测

通过信号分析的方法检测柴油机故障的基本流程，如图1所示。首先采集了50组包含5种工况的振动原始信号，某样本在5种工况下的部分原始数据如图2所示。对每组原始信号进行局域均值分解（LMD），分解成若干个PF分量，选取前8个PF分量，构成特征向量X=［PF1，PF2，…PF8］，将前20组数据特征向量输入至支持向量机（SVM）［2］进行训练，将剩下的30组数据作为测试样本输入SVM进行模式识别，最终判断其运行状态。

图1　柴油机故障检测基本流程

图2　某样本部分振动原始数据

对于发生故障的信号，利用模糊规则对故障的严重程度进行一个简单的评估。将故障的严重程度分为五个等级，其量化对应关系如表2所示。利用上述方法，对某实验室的柴油机人工设定故障进行实时检测，表3列出了随机抽取的一组柴油机故障检测结果。

表2　故障严重程度量化表

表3　某组柴油机故障检测结果

对大量实验数据进行统计与整理，如表4所示。从表4可以看出，利用LMD分解与SVM相结合的方法，训练的准确率高达 100%，测试的准确率可达到91.33%。

表4　检测性能分析

5结语

将采集的柴油机振动信号，利用MATLAB数学工具，先对信号进行LMD分解，再将特征值输入支持向量机进行训练和识别，最终能够实现故障的判别和故障严重等级的划分。

［1］舒苗淼.基于振动信号的柴油机小波神经网络故障诊断研究［D］.中北大学，2009.

［2］张超，陈建军.基于LMD近似熵和支持向量机的轴承故障诊断［J］.机械科学与技术，2012，09：1539-1542+1548.