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
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。
柴油机的常见故障如表1所示[1]。
表1 常见故障类型
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。
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
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.