CN115596588B - 一种喷油器在线故障诊断设备及诊断方法 - Google Patents
一种喷油器在线故障诊断设备及诊断方法 Download PDFInfo
- Publication number
- CN115596588B CN115596588B CN202210797495.XA CN202210797495A CN115596588B CN 115596588 B CN115596588 B CN 115596588B CN 202210797495 A CN202210797495 A CN 202210797495A CN 115596588 B CN115596588 B CN 115596588B
- Authority
- CN
- China
- Prior art keywords
- module
- oil
- fault
- fuel injector
- test
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 83
- 238000000034 method Methods 0.000 title claims abstract description 31
- 239000000446 fuel Substances 0.000 claims abstract description 157
- 238000012360 testing method Methods 0.000 claims abstract description 106
- 238000004088 simulation Methods 0.000 claims abstract description 83
- 238000002347 injection Methods 0.000 claims abstract description 46
- 239000007924 injection Substances 0.000 claims abstract description 46
- 238000013145 classification model Methods 0.000 claims abstract description 42
- 238000005457 optimization Methods 0.000 claims abstract description 30
- 238000012549 training Methods 0.000 claims abstract description 29
- 238000011056 performance test Methods 0.000 claims abstract description 27
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 16
- 238000007405 data analysis Methods 0.000 claims abstract description 16
- 238000010801 machine learning Methods 0.000 claims abstract description 10
- 239000003921 oil Substances 0.000 claims description 111
- 239000013598 vector Substances 0.000 claims description 36
- 238000004458 analytical method Methods 0.000 claims description 18
- 239000000295 fuel oil Substances 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 12
- 238000012706 support-vector machine Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 9
- 239000002828 fuel tank Substances 0.000 claims description 7
- 238000007689 inspection Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 4
- 239000010705 motor oil Substances 0.000 claims description 4
- 239000000110 cooling liquid Substances 0.000 claims description 3
- 238000010438 heat treatment Methods 0.000 claims description 3
- 230000006641 stabilisation Effects 0.000 claims description 3
- 238000011105 stabilization Methods 0.000 claims description 3
- 238000003079 width control Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 7
- 230000001364 causal effect Effects 0.000 abstract description 4
- 238000012423 maintenance Methods 0.000 abstract description 4
- 238000013461 design Methods 0.000 description 6
- 230000007547 defect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 239000000243 solution Substances 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 239000002826 coolant Substances 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02M—SUPPLYING COMBUSTION ENGINES IN GENERAL WITH COMBUSTIBLE MIXTURES OR CONSTITUENTS THEREOF
- F02M65/00—Testing fuel-injection apparatus, e.g. testing injection timing ; Cleaning of fuel-injection apparatus
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D41/00—Electrical control of supply of combustible mixture or its constituents
- F02D41/30—Controlling fuel injection
- F02D41/38—Controlling fuel injection of the high pressure type
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Testing Of Engines (AREA)
Abstract
本发明公开了一种喷油器在线故障诊断设备及诊断方法。诊断设备包括喷油器性能试验物理***、喷油器性能仿真数字***和基于数字孪生的故障诊断数据分析***;喷油器性能试验物理***包括喷油器和试验台,试验台用于对喷油器进行性能试验;喷油器性能仿真数字***用于模拟喷油器在不同工况条件下的喷油性能表现;故障诊断数据分析***包括参数联动孪生模块、自动优化标定模块、数字孪生源信号采集模块、特征工程模块、故障分类模型训练模块和故障诊断应用模块。通过数字孪生技术结合机器学习算法实现喷油器故障诊断分类,可以实现更为精细的故障诊断分类,并提供解释性更强更明确的故障因果路径,进而可以提供更明确的维修指导建议和预警信号。
Description
技术领域
本发明涉及喷油器故障诊断技术领域,尤其涉及一种喷油器在线故障诊断设备及诊断方法。
背景技术
喷油器处于发动机缸内高温、高压环境,易发生故障,而喷油器故障易导致发动机燃烧恶化、动力性能、经济性能和可靠性能下降,有害排放物增多。因此,对喷油器进行故障诊断是具有重大意义的。
现有技术中,采用高压油管压力信号作为喷油器故障源信号,利用改进的EEMD(集合经验模态分解,Ensemble Empirical Mode Decomposition) 方法对油管压力信号进行滤波处理并计算滤波后油管压力信号的层次加权排列熵,以信息熵值作为喷油器故障特征指标,利用得到的信息熵值训练SVM(支持向量机,Support Vector Machine)多分类器;将测试样本的信息熵值作为特征向量输入训练完成的SVM多分类器中,识别共轨喷油器故障分类结果。该方案结合机器学习算法提供一种喷油器故障诊断方法,由于监测信号单一,仅以高压油管压力波动信号作为喷油器故障源信号,只能识别故障表征与高压油管压力波动强相关的故障类别,且仅通过机器学习算法识别,其故障原因可解释性不强。
发明内容
本发明提供了一种喷油器在线故障诊断设备及诊断方法,以实现更为精细的故障诊断分类。
根据本发明的一方面,提供了一种喷油器在线故障诊断设备,包括喷油器性能试验物理***、喷油器性能仿真数字***和基于数字孪生的故障诊断数据分析***;
所述喷油器性能试验物理***包括喷油器和试验台,所述试验台用于对所述喷油器进行性能试验;
所述喷油器性能仿真数字***用于模拟喷油器在不同工况条件下的喷油性能表现;
所述故障诊断数据分析***包括参数联动孪生模块、自动优化标定模块、数字孪生源信号采集模块、特征工程模块、故障分类模型训练模块和故障诊断应用模块;
所述参数联动孪生模块用于实现所述喷油器性能仿真数字***与所述喷油器性能试验物理***的试验工况条件参数联动,保证工况条件的一致性,驱动仿真与试验运行;
所述自动优化标定模块用于调用参数联动孪生模块,并对照标准试验结果,通过优化算法对所述喷油器性能仿真数字***中的待定参数调优;
所述数字孪生源信号采集模块用于调用所述参数联动孪生模块,并为喷油器故障分类建模提供基础数据作为故障分析源信号;
所述特征工程模块用于对所述故障分析源信号进行数据处理,并提取特征向量;
所述故障分类模型训练模块用于根据所述特征向量进行故障分类模型训练和检验;
所述故障诊断应用模块用于根据训练好的故障分类模型对待诊断喷油器进行诊断预测。
可选的,述故障诊断数据分析***还包括中心数据库,所述中心数据库用于存储、调用、管理所述喷油器性能试验物理***及所述喷油器性能仿真数字***运行产生的数据及各功能模块产生的数据。
可选的,所述试验台还用于控制所述喷油器的试验工况条件、采集喷油器的性能结果以及监测试验台的运行状态。
可选的,所述参数联动孪生模块还用于对比所述喷油器性能仿真数字***的仿真性能结果与所述喷油器性能试验物理***的试验性能结果,并进行偏差分析。
可选的,所述自动优化标定模块的优化算法包括序列值偏差最小二乘法或多目标加权最小二乘法。
可选的,所述特征工程模块进行的数据处理包括对所述故障分析源信号进行分析和清洗。
可选的,所述特征向量包括喷油器运行工况参数、模拟故障试验或模拟故障仿真与喷油器标准件在不同工况条件下性能结果偏差及故障类型标签。
可选的,所述故障分类模型训练模块根据支持向量机SVM算法进行故障分类模型训练和检验。
可选的,所述喷油器性能仿真数字***及所述故障诊断数据分析***集成在远程服务器上,所述远程服务器与所述试验台的上位机通过网络通讯连接;
所述上位机与可编程控制器PLC模块、电子控制单元ECU模块、喷油测量仪通过网络通讯连接,所述喷油测量仪包括喷油量测量物理机构及信号数据处理模块,用于采集单次喷射循环的喷油量和喷油速率;
喷射模块油路为燃油箱中燃油经低压泵输送经滤清器至高压油泵,燃油经高压油泵加压为高压燃油输送至共轨管,高压燃油输送至共轨喷油器,通过共轨喷油器喷射至所述喷油测量仪的喷油量测量物理机构容积腔内;所述ECU模块通过接收燃油温度传感器、凸轮轴转速传感器及轨压传感器的信号,根据所述上位机给定的轨压及喷油脉宽需求,调节所述高压油泵上的供油比例阀,实现轨压调节与稳定,并控制所述共轨喷油器中的电磁阀实现喷油器开关与喷油脉宽控制;
所述高压油泵、所述共轨管和所述共轨喷油器中的过量燃油通过回油道回流至所述燃油箱,其中所述共轨喷油器的回油油路上设置回油流量计监测回油量;
所述上位机通过所述PLC模块监测与控制所述试验台运行状态,所述PLC模块通过变频器控制主电机的转速,所述主电机驱动所述高压油泵做功;
所述PLC模块接收机油压力传感器、燃油压力传感器、机油温度传感器、燃油温度传感器、机油液位传感器、燃油液位传感器、冷却液温度传感器、回油温度传感器、台架振动传感器、喷油器振动传感器和高压油管振动传感器信号并进行分析,传递预警信息至台架指示灯及所述上位机,自动控制或接收所述上位机的控制信号传递至执行模块,执行模块包括燃油加热、自动门以及紧急停机功能。
根据本发明的另一方面,提供了一种喷油器在线故障诊断方法,该方法可由上述喷油器在线故障诊断设备执行,该方法包括:
调用自动优化标定模块,通过标准试验优化标定数字模型,获得喷油器性能仿真数字模型;
调用数字孪生源信号采集模块,收集模拟故障试验或模拟故障仿真与喷油器标准件数字模型性能结果作为故障源信号数据集;
调用特征工程模块,针对所述故障源信号数据集,分析模拟故障试验或模拟故障仿真与喷油器标准件数字模型性能结果的偏差,提取运行工况参数,各种偏差值及故障类型标签作为机器学习故障分类的特征向量;
调用故障分类模型训练模块,以所述特征向量作为输入,进行故障分类模型训练和检验;
调用故障诊断应用模块,针对待诊断喷油器调用所述数字孪生源信号采集模块及所述特征工程模块,实时提取特征向量作为输入,利用故障分类模型,进行故障分类预测。
本发明实施例的技术方案,基于高精度数字模型的模拟故障仿真可以减少大量模拟故障试验,且可以实现难以人为制造相应缺陷情况的仿真预测,大量节省试验成本、缩短采集周期,丰富数据集。基于数字孪生技术,将模拟故障试验或模拟故障仿真与高精度数字模型性能结果的偏差引入机器学习故障分类的特征向量。基于数字孪生技术的喷油器性能故障诊断方法,构建了从喷油器设计参数影响性能的原理模型,可以实现更为精细的故障诊断分类,并提供解释性更强更明确的故障因果路径,进而可以提供更明确的维修指导建议和预警信号。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的一种喷油器在线故障诊断设备的结构示意图;
图2是本发明实施例一提供的喷油器性能试验物理***试验结果与喷油器性能仿真数字***的仿真性能结果的偏差对比图;
图3是本发明实施例一提供的基于喷油器在线故障诊断设备的喷油器试验物理***结构示意图;
图4是本发明实施例二提供的一种喷油器在线故障诊断方法的流程图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1是本发明实施例一提供的一种喷油器在线故障诊断设备的结构示意图,如图1所示,该喷油器在线故障诊断设备100包括:喷油器性能试验物理***110、喷油器性能仿真数字***120和基于数字孪生的故障诊断数据分析***130;喷油器性能试验物理***110包括喷油器和试验台(图1中未示出),其中试验台用于对喷油器进行性能试验;喷油器性能仿真数字***120用于模拟喷油器在不同工况条件下的喷油性能表现;故障诊断数据分析***130包括参数联动孪生模块131、自动优化标定模块132、数字孪生源信号采集模块133、特征工程模块134、故障分类模型训练模块135和故障诊断应用模块136;其中参数联动孪生模块131用于实现喷油器性能仿真数字***120与喷油器性能试验物理***110的试验工况条件参数联动,保证工况条件的一致性,驱动仿真与试验运行;自动优化标定模块132用于调用参数联动孪生模块131,并对照标准试验结果,通过优化算法对喷油器性能仿真数字***120中的待定参数调优;数字孪生源信号采集模块133用于调用参数联动孪生模块131,并为喷油器故障分类建模提供基础数据作为故障分析源信号;特征工程模块134用于对故障分析源信号进行数据处理,并提取特征向量;故障分类模型训练模块135用于根据特征向量进行故障分类模型训练和检验;故障诊断应用模块136用于根据训练好的故障分类模型对待诊断喷油器进行诊断预测。
具体的,在使用试验台对喷油器进行性能试验的同时,通过喷油器性能仿真数字***120模拟喷油器在不同工况条件下的喷油性能表现,其中通过参数联动孪生模块131联动喷油器性能仿真数字***120与喷油器性能试验物理***110的试验工况条件参数,保证工况条件的一致性,驱动仿真与试验运行,通过自动优化标定模块132调用参数联动孪生模块131,对照喷油器在试验台运行的标准试验结果(标准试验包括但不限于试验台架状态符合试验规范要求,喷油器试样结构参数经质量检验符合设计要求,按照试验规程进行的试验等)通过优化算法对喷油器性能仿真数字***120中的待定参数调优,使数字模型的仿真结果逼近标准试验结果,得到高精度数字模型。其中数字模型中待定参数可包括但不限于表1所示。
参数 | 单位 | 初始值 | 上限 | 下限 |
param1 | mm | 0.05 | 0.03 | 0.07 |
param2 | mm^2 | 60 | 55 | 65 |
param3 | N/(mm/s) | 50 | 45 | 60 |
param4 | mm^3 | 600 | 400 | 800 |
param5 | N/mm | 5 | 3 | 8 |
表1数字模型中待定参数
通过数字孪生源信号采集模块133调用参数联动孪生模块131,为喷油器故障分类建模提供基础数据,同时采集大量模拟故障试验或模拟故障仿真与标准件高精度数字模型在不同工况条件下运行结果,并将之作为故障分析源信号,其中模拟故障试验为针对已知故障类型及其对应的结构参数变化并人为制造相应缺陷的故障样件进行性能试验,模拟故障仿真为已知故障类型及其对应的结构参数变化并人为调整数字模型相应参数的故障虚拟样件进行性能仿真。通过特征工程模块134对故障分析源信号进行数据处理,并提取特征向量,通过故障分类模型训练模块135特征向量进行故障分类模型训练和检验,通过故障诊断应用模块136对训练好的故障分类模型对待诊断喷油器进行在线诊断预测。其中在线诊断需要调用数字孪生源信号采集模块133 采集源信号及特征工程模块134实时提取特征向量,将特征向量作为训练好的故障分类模型输入,从而实现故障分类预测。
本发明实施例提供的喷油器在线故障诊断设备包括喷油器性能试验物理***、喷油器性能仿真数字***和基于数字孪生的故障诊断数据分析***;喷油器性能试验物理***包括喷油器和试验台,试验台用于对喷油器进行性能试验;喷油器性能仿真数字***用于模拟喷油器在不同工况条件下的喷油性能表现;故障诊断数据分析***包括参数联动孪生模块、自动优化标定模块、数字孪生源信号采集模块、特征工程模块、故障分类模型训练模块和故障诊断应用模块。基于高精度数字模型的模拟故障仿真可以减少大量模拟故障试验,且可以实现难以人为制造相应缺陷情况的仿真预测,大量节省试验成本、缩短采集周期,丰富数据集。基于数字孪生技术,将模拟故障试验或模拟故障仿真与高精度数字模型性能结果的偏差引入机器学习故障分类的特征向量。基于数字孪生技术的喷油器性能故障诊断方法,构建了从喷油器设计参数影响性能的原理模型,可以实现更为精细的故障诊断分类,并提供解释性更强更明确的故障因果路径,进而可以提供更明确的维修指导建议和预警信号。
继续参考图1,可选的,在上述技术方案的基础上,故障诊断数据分析***130还包括中心数据库137,中心数据库137可用于存储、调用、管理喷油器性能试验物理***110及喷油器性能仿真数字***120运行产生的数据及参数联动孪生模块131、自动优化标定模块132、数字孪生源信号采集模块133、特征工程模块134、故障分类模型训练模块135和故障诊断应用模块136运行产生的数据。
可选的,试验台还用于控制喷油器的试验工况条件、采集喷油器的性能结果以及监测试验台的运行状态。其中试验工况条件包括但不限于转速、轨压和喷油脉宽,喷油器的性能结果包括但不限于喷油量、喷油速率和回油量,试验台的运行状态包括但不限于燃油箱压力、温度、液位、冷却液温度和控制逻辑预警信息。
可选的,参数联动孪生模块131还用于对比喷油器性能仿真数字*** 120的仿真性能结果与喷油器性能试验物理***110的试验性能结果,并进行偏差分析。
图2是本发明实施例一提供的喷油器性能试验物理***试验结果与喷油器性能仿真数字***的仿真性能结果的偏差对比图。如图2所示,其中 Delay1_t表示试验中开启响应延迟,Delay2_t表示试验中关闭响应延迟, Delay1_s表示仿真中开启响应延迟,Delay2_s表示仿真中关闭响应延迟。
可选的,自动优化标定模块132的优化算法包括序列值偏差最小二乘法或多目标加权最小二乘法。
具体的,本实施例优化目标可设定为但不限于: min(g(ΔQ,Δq(t),ΔDelay1,ΔDelay2)),即加权最小二乘偏差最小。
其中w1,…,w4为权重系数;
ΔQ=Qt-Qs为喷油量偏差,为试验结果与高精度数字模型计算结果之差,其它量的偏差均按相同方式计算;
Δq(t)为喷油速率曲线偏差;ΔDelay1为喷油开启延迟偏差;ΔDelay2为喷油关闭延迟偏差。
可选的,特征工程模块134进行的数据处理包括但不限于对故障分析源信号进行分析和清洗。
可选的,特征工程模块134所提取特征向量包含但不限于运行工况参数、模拟故障试验或模拟故障仿真与标准件高精度数字模型在不同工况条件下性能结果偏差和故障类型标签。
可选的,故障分类模型训练模块135基于支持向量机SVM算法,以特征工程模块134中所提取的特征向量集作为输入,进行故障分类模型训练和检验。
进一步的,图3是本发明实施例一提供的基于喷油器在线故障诊断设备的喷油器试验物理***结构示意图,如图3所示,该***由试验台的测试功能及各种信号监测功能构成。具体的,远程服务器11与试验台的上位机12通过网络通讯连接,远程服务器11集成了喷油器性能仿真数字***及故障诊断数据分析***。上位机12与PLC(可编程逻辑控制器,Programmable Logic Controller)模块13、ECU(电子控制单元,Electronic ControlUnit)模块14、喷油测量仪15通过网络通讯连接,喷油测量仪15 包含喷油量测量物理机构及信号数据处理模块,可采集单次喷射循环的喷油量、喷油速率等信号。喷射***油路为燃油箱16中燃油经低压泵输送经滤清器17至高压油泵18,燃油经高压油泵18加压为高压燃油输送至共轨管19,高压燃油输送至共轨喷油器20,通过共轨喷油器20喷射至喷油测量仪15喷油量测量物理机构容积腔内。ECU模块14通过接收燃油温度传感器24、凸轮轴转速传感器25及轨压传感器191信号,根据上位机12 给定轨压及喷油脉宽需求,调节高压油泵18上的供油比例阀181,实现轨压调节与稳定,并控制共轨喷油器20中的电磁阀201来实现喷油器开关与喷油脉宽控制。高压油泵18、共轨管19、共轨喷油器20中过量燃油通过回油道回流至燃油箱16,其中共轨喷油器20的回油油路上设置回油流量计21监测回油量。上位机12通过PLC模块13监测与控制试验台运行状态,PLC模块13通过变频器22控制主电机23,实现0~3000rpm任意转速调节,主电机23驱动高压油泵18做功;PLC模块13接收机油压力传感器27、燃油压力传感器28、机油温度传感器29、燃油温度传感器30、机油液位传感器31、燃油液位传感器32、冷却液温度传感器33、回油温度34、台架振动传感器36、喷油器振动传感器37、高压油管振动传感器 38信号,进行分析,传递预警信息至台架指示灯及上位机,自动控制或接收上位机的控制信号传递至执行模块39,执行模块39包括但不限于燃油加热、自动门、紧急停机等功能。
实施例二
图4是本发明实施例二提供的一种喷油器在线故障诊断方法的流程图,该方法可由上述实施例中的喷油器在线故障诊断设备来执行。如图4所示,该方法包括:
S110、调用自动优化标定模块,通过标准试验优化标定数字模型,获得喷油器性能仿真数字模型;
S120、调用数字孪生源信号采集模块,收集模拟故障试验或模拟故障仿真与喷油器标准件数字模型性能结果作为故障源信号数据集;
S130、调用特征工程模块,针对故障源信号数据集,分析模拟故障试验或模拟故障仿真与喷油器标准件数字模型性能结果的偏差,提取运行工况参数,各种偏差值及故障类型标签作为机器学习故障分类的特征向量;
S140、调用故障分类模型训练模块,以特征向量作为输入,进行故障分类模型训练和检验;
S150、调用故障诊断应用模块,针对待诊断喷油器调用数字孪生源信号采集模块及特征工程模块,实时提取特征向量作为输入,利用故障分类模型,进行故障分类预测。
具体的,在使用试验台对喷油器进行性能试验的同时,通过喷油器性能仿真数字***模拟喷油器在不同工况条件下的喷油性能表现,其中通过参数联动孪生模块联动喷油器性能仿真数字***与喷油器性能试验物理***的试验工况条件参数,保证工况条件的一致性,驱动仿真与试验运行,通过自动优化标定模块调用参数联动孪生模块,对照喷油器在试验台运行的标准试验结果(标准试验包括但不限于试验台架状态符合试验规范要求,喷油器试样结构参数经质量检验符合设计要求,按照试验规程进行的试验等)通过优化算法对喷油器性能仿真数字***中的待定参数调优,使数字模型的仿真结果逼近标准试验结果,得到高精度数字模型。通过数字孪生源信号采集模块调用参数联动孪生模块,为喷油器故障分类建模提供基础数据,同时采集大量模拟故障试验或模拟故障仿真与标准件高精度数字模型在不同工况条件下运行结果,并将之作为故障分析源信号,其中模拟故障试验为针对已知故障类型及其对应的结构参数变化并人为制造相应缺陷的故障样件进行性能试验,模拟故障仿真为已知故障类型及其对应的结构参数变化并人为调整数字模型相应参数的故障虚拟样件进行性能仿真。通过特征工程模块对故障分析源信号进行数据处理,并提取特征向量,通过故障分类模型训练模块特征向量进行故障分类模型训练和检验,通过故障诊断应用模块对训练好的故障分类模型对待诊断喷油器进行在线诊断预测。其中在线诊断需要调用数字孪生源信号采集模块采集源信号及特征工程模块实时提取特征向量,将特征向量作为训练好的故障分类模型输入,从而实现故障分类预测。
可选的,参数联动孪生模块还用于对比喷油器性能仿真数字***的仿真性能结果与喷油器性能试验物理***的试验性能结果,并进行偏差分析。
可选的,自动优化标定模块的优化算法包括序列值偏差最小二乘法或多目标加权最小二乘法。
可选的,特征工程模块进行的数据处理包括但不限于对故障分析源信号进行分析和清洗。
可选的,特征工程模块所提取特征向量包含但不限于运行工况参数、模拟故障试验或模拟故障仿真与标准件高精度数字模型在不同工况条件下性能结果偏差和故障类型标签。
可选的,故障分类模型训练模块基于支持向量机SVM算法,以特征工程模块中所提取的特征向量集作为输入,进行故障分类模型训练和检验。
本发明实施例提供的喷油器在线故障诊断方法通过调用自动优化标定模块,通过标准试验优化标定数字模型,获得喷油器性能仿真数字模型;调用数字孪生源信号采集模块,收集模拟故障试验或模拟故障仿真与喷油器标准件数字模型性能结果作为故障源信号数据集;调用特征工程模块,针对故障源信号数据集,分析模拟故障试验或模拟故障仿真与喷油器标准件数字模型性能结果的偏差,提取运行工况参数,各种偏差值及故障类型标签作为机器学习故障分类的特征向量;调用故障分类模型训练模块,以特征向量作为输入,进行故障分类模型训练和检验;调用故障诊断应用模块,针对待诊断喷油器调用数字孪生源信号采集模块及特征工程模块,实时提取特征向量作为输入,利用故障分类模型,进行故障分类预测。该方法基于高精度数字模型的模拟故障仿真可以减少大量模拟故障试验,且可以实现难以人为制造相应缺陷情况的仿真预测,大量节省试验成本、缩短采集周期,丰富数据集。基于数字孪生技术,将模拟故障试验或模拟故障仿真与高精度数字模型性能结果的偏差引入机器学习故障分类的特征向量。基于数字孪生技术的喷油器性能故障诊断方法,构建了从喷油器设计参数影响性能的原理模型,可以实现更为精细的故障诊断分类,并提供解释性更强更明确的故障因果路径,进而可以提供更明确的维修指导建议和预警信号。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (8)
1.一种喷油器在线故障诊断设备,其特征在于,包括喷油器性能试验物理***、喷油器性能仿真数字***和基于数字孪生的故障诊断数据分析***;
所述喷油器性能试验物理***包括喷油器和试验台,所述试验台用于对所述喷油器进行性能试验;
所述喷油器性能仿真数字***用于模拟喷油器在不同工况条件下的喷油性能表现;
所述故障诊断数据分析***包括参数联动孪生模块、自动优化标定模块、数字孪生源信号采集模块、特征工程模块、故障分类模型训练模块和故障诊断应用模块;
所述参数联动孪生模块用于实现所述喷油器性能仿真数字***与所述喷油器性能试验物理***的试验工况条件参数联动,保证工况条件的一致性,驱动仿真与试验运行;
所述自动优化标定模块用于调用参数联动孪生模块,并对照标准试验结果,通过优化算法对所述喷油器性能仿真数字***中的待定参数调优;
所述数字孪生源信号采集模块用于调用所述参数联动孪生模块,并为喷油器故障分类建模提供基础数据作为故障分析源信号;
所述特征工程模块用于对所述故障分析源信号进行数据处理,并提取特征向量;
所述故障分类模型训练模块用于根据所述特征向量进行故障分类模型训练和检验;
所述故障诊断应用模块用于根据训练好的故障分类模型对待诊断喷油器进行诊断预测;
所述参数联动孪生模块还用于对比所述喷油器性能仿真数字***的仿真性能结果与所述喷油器性能试验物理***的试验性能结果,并进行偏差分析;
所述特征向量包括喷油器运行工况参数、模拟故障试验或模拟故障仿真与喷油器标准件在不同工况条件下性能结果偏差及故障类型标签。
2.根据权利要求1所述的喷油器在线故障诊断设备,其特征在于,所述故障诊断数据分析***还包括中心数据库,所述中心数据库用于存储、调用、管理所述喷油器性能试验物理***及所述喷油器性能仿真数字***运行产生的数据及各功能模块产生的数据。
3.根据权利要求1所述的喷油器在线故障诊断设备,其特征在于,所述试验台还用于控制所述喷油器的试验工况条件、采集喷油器的性能结果以及监测试验台的运行状态。
4.根据权利要求1所述的喷油器在线故障诊断设备,其特征在于,所述自动优化标定模块的优化算法包括序列值偏差最小二乘法或多目标加权最小二乘法。
5.根据权利要求1所述的喷油器在线故障诊断设备,其特征在于,所述特征工程模块进行的数据处理包括对所述故障分析源信号进行分析和清洗。
6.根据权利要求1所述的喷油器在线故障诊断设备,其特征在于,所述故障分类模型训练模块根据支持向量机SVM算法进行故障分类模型训练和检验。
7.根据权利要求1所述的喷油器在线故障诊断设备,其特征在于,所述喷油器性能仿真数字***及所述故障诊断数据分析***集成在远程服务器上,所述远程服务器与所述试验台的上位机通过网络通讯连接;
所述上位机与可编程控制器PLC模块、电子控制单元ECU模块、喷油测量仪通过网络通讯连接,所述喷油测量仪包括喷油量测量物理机构及信号数据处理模块,用于采集单次喷射循环的喷油量和喷油速率;
喷射模块油路为燃油箱中燃油经低压泵输送经滤清器至高压油泵,燃油经高压油泵加压为高压燃油输送至共轨管,高压燃油输送至共轨喷油器,通过共轨喷油器喷射至所述喷油测量仪的喷油量测量物理机构容积腔内;所述ECU模块通过接收燃油温度传感器、凸轮轴转速传感器及轨压传感器的信号,根据所述上位机给定的轨压及喷油脉宽需求,调节所述高压油泵上的供油比例阀,实现轨压调节与稳定,并控制所述共轨喷油器中的电磁阀实现喷油器开关与喷油脉宽控制;
所述高压油泵、所述共轨管和所述共轨喷油器中的过量燃油通过回油道回流至所述燃油箱,其中所述共轨喷油器的回油油路上设置回油流量计监测回油量;
所述上位机通过所述PLC模块监测与控制所述试验台运行状态,所述PLC模块通过变频器控制主电机的转速,所述主电机驱动所述高压油泵做功;
所述PLC模块接收机油压力传感器、燃油压力传感器、机油温度传感器、燃油温度传感器、机油液位传感器、燃油液位传感器、冷却液温度传感器、回油温度传感器、台架振动传感器、喷油器振动传感器和高压油管振动传感器信号并进行分析,传递预警信息至台架指示灯及所述上位机,自动控制或接收所述上位机的控制信号传递至执行模块,执行模块包括燃油加热、自动门以及紧急停机功能。
8.一种喷油器在线故障诊断方法,其特征在于,利用权利要求1~7任一所述的喷油器在线故障诊断设备执行,所述喷油器在线故障诊断方法包括:
调用自动优化标定模块,通过标准试验优化标定数字模型,获得喷油器性能仿真数字模型;
调用数字孪生源信号采集模块,收集模拟故障试验或模拟故障仿真与喷油器标准件数字模型性能结果作为故障源信号数据集;
调用特征工程模块,针对所述故障源信号数据集,分析模拟故障试验或模拟故障仿真与喷油器标准件数字模型性能结果的偏差,提取运行工况参数,各种偏差值及故障类型标签作为机器学习故障分类的特征向量;
调用故障分类模型训练模块,以所述特征向量作为输入,进行故障分类模型训练和检验;
调用故障诊断应用模块,针对待诊断喷油器调用所述数字孪生源信号采集模块及所述特征工程模块,实时提取特征向量作为输入,利用故障分类模型,进行故障分类预测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210797495.XA CN115596588B (zh) | 2022-07-06 | 2022-07-06 | 一种喷油器在线故障诊断设备及诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210797495.XA CN115596588B (zh) | 2022-07-06 | 2022-07-06 | 一种喷油器在线故障诊断设备及诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115596588A CN115596588A (zh) | 2023-01-13 |
CN115596588B true CN115596588B (zh) | 2024-05-28 |
Family
ID=84841905
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210797495.XA Active CN115596588B (zh) | 2022-07-06 | 2022-07-06 | 一种喷油器在线故障诊断设备及诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115596588B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116340848B (zh) * | 2023-03-31 | 2023-11-14 | 北京理工大学 | 一种基于数字孪生的发动机故障诊断方法 |
CN116971881B (zh) * | 2023-09-20 | 2023-12-05 | 无锡映诺汽车科技有限公司 | 一种基于数字孪生技术的内燃发动机管理方法及*** |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1975148A (zh) * | 2006-12-14 | 2007-06-06 | 中国船舶重工集团公司第七一一研究所 | 发动机共轨燃油***耐久试验装置及其试验方法 |
CN101182816A (zh) * | 2006-11-14 | 2008-05-21 | 株式会社电装 | 燃料喷射装置及其调整方法 |
DE102006061894A1 (de) * | 2006-12-28 | 2008-07-03 | Robert Bosch Gmbh | Vorrichtung zur Diagnose von Fehlfunktionen in Brennkraftmaschinen |
CN101377166A (zh) * | 2007-08-31 | 2009-03-04 | 株式会社电装 | 燃料喷射装置、燃料喷射***及判断其故障的方法 |
WO2009116475A1 (ja) * | 2008-03-19 | 2009-09-24 | ボッシュ株式会社 | 圧力センサ故障診断方法及びコモンレール式燃料噴射制御装置 |
CN105003373A (zh) * | 2015-06-15 | 2015-10-28 | 天津大学 | 一种基于轨压波形特征参数观测的喷油正时故障诊断方法 |
CN105003372A (zh) * | 2015-06-15 | 2015-10-28 | 天津大学 | 一种基于轨压波形特征参数观测的喷油量故障诊断方法 |
DE102016200991A1 (de) * | 2015-03-19 | 2016-09-22 | Robert Bosch Gmbh | Verfahren zur Fehlerdiagnose für den Drucksensor und Common-Rail-Kraftstoffeinspritzsteuergerät |
CN114151258A (zh) * | 2021-12-08 | 2022-03-08 | 一汽解放汽车有限公司 | 一种喷油器回油故障诊断方法、燃油***及内燃机 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5807953B2 (ja) * | 2011-09-28 | 2015-11-10 | ボッシュ株式会社 | 圧力センサ診断方法及びコモンレール式燃料噴射制御装置 |
-
2022
- 2022-07-06 CN CN202210797495.XA patent/CN115596588B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101182816A (zh) * | 2006-11-14 | 2008-05-21 | 株式会社电装 | 燃料喷射装置及其调整方法 |
CN1975148A (zh) * | 2006-12-14 | 2007-06-06 | 中国船舶重工集团公司第七一一研究所 | 发动机共轨燃油***耐久试验装置及其试验方法 |
DE102006061894A1 (de) * | 2006-12-28 | 2008-07-03 | Robert Bosch Gmbh | Vorrichtung zur Diagnose von Fehlfunktionen in Brennkraftmaschinen |
CN101377166A (zh) * | 2007-08-31 | 2009-03-04 | 株式会社电装 | 燃料喷射装置、燃料喷射***及判断其故障的方法 |
WO2009116475A1 (ja) * | 2008-03-19 | 2009-09-24 | ボッシュ株式会社 | 圧力センサ故障診断方法及びコモンレール式燃料噴射制御装置 |
DE102016200991A1 (de) * | 2015-03-19 | 2016-09-22 | Robert Bosch Gmbh | Verfahren zur Fehlerdiagnose für den Drucksensor und Common-Rail-Kraftstoffeinspritzsteuergerät |
CN105003373A (zh) * | 2015-06-15 | 2015-10-28 | 天津大学 | 一种基于轨压波形特征参数观测的喷油正时故障诊断方法 |
CN105003372A (zh) * | 2015-06-15 | 2015-10-28 | 天津大学 | 一种基于轨压波形特征参数观测的喷油量故障诊断方法 |
CN114151258A (zh) * | 2021-12-08 | 2022-03-08 | 一汽解放汽车有限公司 | 一种喷油器回油故障诊断方法、燃油***及内燃机 |
Also Published As
Publication number | Publication date |
---|---|
CN115596588A (zh) | 2023-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115596588B (zh) | 一种喷油器在线故障诊断设备及诊断方法 | |
CN105911975B (zh) | 一种航空发动机气路故障融合诊断方法 | |
US7275018B2 (en) | Method of condition monitoring | |
CN105487530B (zh) | 柴油机排温低故障预测***及方法 | |
KR101189561B1 (ko) | 가스 인젝터 성능 테스트 장치 | |
CN109026484B (zh) | 汽车进气道式喷油器在线检测平台的控制*** | |
CN110187696A (zh) | 基于动态趋势的一阶随动***传感器故障诊断方法及*** | |
CN114995346A (zh) | 一种发动机电气诊断标定方法、装置、设备及介质 | |
CN111241629B (zh) | 基于数据驱动的飞机液压泵性能变化趋势智能预测方法 | |
Niculita et al. | Design for diagnostics and prognostics: A physical-functional approach | |
DE102006045785A1 (de) | Verfahren zur Selbstdiagnose von Versuchsanordnungen sowie Versuchsanordnung, insbesondere Prüfstand | |
WO2022223057A2 (zh) | 工业传感器加速失效激发智能运维试验平台 | |
JP2012032899A (ja) | プロセスモデルベース自動テストシステム | |
US20220291673A1 (en) | Analysis apparatus, analysis method and computer-readable medium | |
CN115808209A (zh) | 一种基于神经网络的电静压伺服机构状态监测方法及*** | |
CN114046218B (zh) | 一种低速机喷油器试验装置 | |
CN117554218B (zh) | 直馏沥青浇筑式钢桥面复合梁试件疲劳试验装置及方法 | |
Kocak et al. | Condition monitoring and fault diagnosis of a marine diesel engine with machine learning techniques | |
CN107110101A (zh) | 用于诊断燃料输送***的方法和装置 | |
KR20020037923A (ko) | 가솔린 엔진 연료 인젝션 장치 검사 시스템 | |
RU2814128C1 (ru) | Система тестирования станции управления с интеллектуальными функциями, управляющей процессом добычи нефти | |
CN114572361B (zh) | 船舶智能机舱运维***验证平台 | |
CN108533573A (zh) | 一种基于第二代小波的液压缸内泄漏故障诊断方法 | |
CN116340848B (zh) | 一种基于数字孪生的发动机故障诊断方法 | |
CN117909115A (zh) | 一种可机载部署的复杂***部件数据驱动故障诊断方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |