基于MATLAB的柴油機故障檢測

山西中北大學機械與動力工程學院　王際同　姚竹亭

基于MATLAB的柴油機故障檢測

山西中北大學機械與動力工程學院王際同姚竹亭

首先采集柴油機的振動信號，利用MATLAB軟件進行信號分析與處理，最終確定柴油機是否發(fā)生故障，并確定所發(fā)生的故障類型及其嚴重程度。

柴油機；MATLAB；故障檢測；信號處理

1引言

柴油機是一種常見的提供動力源的機械設備，對柴油機的運行狀態(tài)進行實時檢測具有重要意義。雖然目前人們能夠通過經驗來定性判斷柴油機的故障類型，但不能夠定量判斷故障類型及其嚴重程度，對于罕見的故障也缺乏人工經驗。

通過振動傳感器采集柴油機的振動信號，利用MATLAB對信號數據進行智能分析，最終不僅能夠判斷柴油機的故障類型，而且能夠定量判斷類型的嚴重程度。

2柴油機故障類型

柴油機的常見故障如表1所示［1］。

表1　常見故障類型

3故障檢測方法

近年來，柴油機的故障檢測方法不斷更新和出現(xiàn)，例如，振動信號法、油液信號法、熱力信號法、瞬時轉速法、綜合法等，主要的區(qū)別在于柴油機采集信號類型的選取。本文采用的是振動信號法。

4基于MATLAB的柴油機故障檢測

通過信號分析的方法檢測柴油機故障的基本流程，如圖1所示。首先采集了50組包含5種工況的振動原始信號，某樣本在5種工況下的部分原始數據如圖2所示。對每組原始信號進行局域均值分解（LMD），分解成若干個PF分量，選取前8個PF分量，構成特征向量X=［PF1，PF2，…PF8］，將前20組數據特征向量輸入至支持向量機（SVM）［2］進行訓練，將剩下的30組數據作為測試樣本輸入SVM進行模式識別，最終判斷其運行狀態(tài)。

圖1　柴油機故障檢測基本流程

圖2　某樣本部分振動原始數據

對于發(fā)生故障的信號，利用模糊規(guī)則對故障的嚴重程度進行一個簡單的評估。將故障的嚴重程度分為五個等級，其量化對應關系如表2所示。利用上述方法，對某實驗室的柴油機人工設定故障進行實時檢測，表3列出了隨機抽取的一組柴油機故障檢測結果。

表2　故障嚴重程度量化表

表3　某組柴油機故障檢測結果

對大量實驗數據進行統(tǒng)計與整理，如表4所示。從表4可以看出，利用LMD分解與SVM相結合的方法，訓練的準確率高達 100%，測試的準確率可達到91.33%。

表4　檢測性能分析

5結語

將采集的柴油機振動信號，利用MATLAB數學工具，先對信號進行LMD分解，再將特征值輸入支持向量機進行訓練和識別，最終能夠實現(xiàn)故障的判別和故障嚴重等級的劃分。

［1］舒苗淼.基于振動信號的柴油機小波神經網絡故障診斷研究［D］.中北大學，2009.

［2］張超，陳建軍.基于LMD近似熵和支持向量機的軸承故障診斷［J］.機械科學與技術，2012，09：1539-1542+1548.