CN116956202B - 一种发动机故障检测方法、***、设备及存储介质 - Google Patents
一种发动机故障检测方法、***、设备及存储介质 Download PDFInfo
- Publication number
- CN116956202B CN116956202B CN202311211991.3A CN202311211991A CN116956202B CN 116956202 B CN116956202 B CN 116956202B CN 202311211991 A CN202311211991 A CN 202311211991A CN 116956202 B CN116956202 B CN 116956202B
- Authority
- CN
- China
- Prior art keywords
- wear
- abrasion
- type
- iron element
- analysis data
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 78
- 238000005299 abrasion Methods 0.000 claims abstract description 95
- 239000002245 particle Substances 0.000 claims description 118
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 76
- 238000004364 calculation method Methods 0.000 claims description 49
- 238000004458 analytical method Methods 0.000 claims description 48
- 230000002159 abnormal effect Effects 0.000 claims description 37
- 239000010705 motor oil Substances 0.000 claims description 22
- 229910052742 iron Inorganic materials 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 11
- 238000010183 spectrum analysis Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 6
- 238000013461 design Methods 0.000 description 6
- 239000000853 adhesive Substances 0.000 description 3
- 230000001070 adhesive effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003628 erosive effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 239000010687 lubricating oil Substances 0.000 description 2
- 239000003921 oil Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 230000001050 lubricating effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
- G01M15/04—Testing internal-combustion engines
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/26—Oils; Viscous liquids; Paints; Inks
- G01N33/28—Oils, i.e. hydrocarbon liquids
- G01N33/2835—Specific substances contained in the oils or fuels
- G01N33/2858—Metal particles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Oil, Petroleum & Natural Gas (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Computational Mathematics (AREA)
- Combustion & Propulsion (AREA)
- Chemical Kinetics & Catalysis (AREA)
- General Chemical & Material Sciences (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明属于故障检测技术领域,具体公开了一种发动机故障检测方法、***、设备及存储介质,通过提取发动机油样检测结果中的相应铁谱分析数据、颗粒分析数据和理化分析数据,来根据相应颗粒分析数据确定颗粒度等级,根据相应理化分析数据确定铁元素异常等级,根据相应铁谱分析数据确定磨损烈度指数和已存在的各磨损类型,然后依据已存在的各磨损类型调取相应的磨损程度计算模型来代入颗粒度等级、铁元素异常等级和磨损烈度指数进行计算,得到磨损程度,最后在磨损程度超标时生成故障提示信息和故障检测结果。本发明可以准确检测出发动机内出现的磨损类型和磨损程度,提高发动机磨损故障检测效率和质量。
Description
技术领域
本发明属于故障检测技术领域,具体涉及一种发动机故障检测方法、***、设备及存储介质。
背景技术
发动机是一种重要的动力机器,也是机械设备的核心动力组成部分。机械设备的发动机在运作过程中常常处于高温、高转速、高载荷等恶劣、复杂的环境中,极其容易发生磨损故障。因此,通过监测发动机磨损状态,尽早有效地对滚动轴承进行磨损故障诊断极其重要。发动机滑油***可以在发动机运行过程中起到润滑减摩擦以及散热的作用,随着发动机的运行,各部件接触面之间发生相互摩擦,严重时造成磨损,摩擦、磨损掉下来的碎屑、颗粒等会混入滑油中。常见的磨损检测方式是对发动机的机油油样进行铁谱分析,确定机油油样中颗粒的数量、尺寸和特征等,然后依赖人工经验来进行磨损状态的判断,结论的正确与否与分析者的个人经验关系极大,有时可靠性并不高,且检测的效率和准确率也有待提升。
发明内容
本发明的目的是提供一种发动机故障检测方法、***、设备及存储介质,用以解决现有技术中存在的上述问题。
为了实现上述目的,本发明采用以下技术方案:
第一方面,提供一种发动机故障检测方法,包括:
获取请求端传输的发动机油样检测结果,所述发动机油样检测结果包含铁谱分析数据集、颗粒分析数据集和理化分析数据集;
从铁谱分析数据集中提取出大磨粒读数、小磨粒读数、各类型磨损颗粒的数量以及各类型磨损颗粒的最大尺寸,从颗粒分析数据集中提取出各尺寸区间污染颗粒计数,从理化分析数据集中提取出铁元素含量;
根据各尺寸区间污染颗粒计数确定颗粒度等级,根据铁元素含量确定铁元素异常等级,根据大磨粒读数和小磨粒读数确定磨损烈度指数;
将各类型磨损颗粒的数量与最大尺寸代入预置的磨损类型参照表中进行比对,判定得到已存在的各磨损类型;
根据已存在的各磨损类型调取对应的磨损程度计算模型;
将颗粒度等级、铁元素异常等级和磨损烈度指数代入磨损程度计算模型中进行计算,得到磨损程度;
在磨损程度超过设定的程度阈值时,生成故障提示信息,并根据磨损程度和已存在的各磨损类型生成故障检测结果。
在一个可能的设计中,所述根据各尺寸区间污染颗粒计数确定颗粒度等级,包括:
将到各尺寸区间污染颗粒计数代入预置的颗粒度分级标准表中进行匹配,确定颗粒度等级,所述颗粒度分级标准表中包含若干颗粒度等级,各颗粒度等级分别关联相应尺寸区间的污染颗粒数阈值。
在一个可能的设计中,所述根据铁元素含量确定铁元素异常等级,包括:
将铁元素含量除以设定的含量阈值,得到含量比值,将含量比值代入预置的铁元素异常等级表中进行匹配,确定铁元素异常等级,所述铁元素异常等级表中包含若干铁元素异常等级,各铁元素异常等级分别关联相应的含量比值区间。
在一个可能的设计中,所述根据大磨粒读数和小磨粒读数确定磨损烈度指数,包括:
计算大磨粒读数的平方以及小磨粒读数的平方,用大磨粒读数的平方减去小磨粒读数的平方,得到磨损烈度指数。
在一个可能的设计中,所述磨损类型参照表包含若干磨损类型,以及各磨损类型关联的对应类型磨损颗粒的数量阈值和尺寸阈值,所述将各类型磨损颗粒的数量与最大尺寸代入预置的磨损类型参照表中进行比对,判定得到已存在的各磨损类型,包括:
将各类型磨损颗粒的数量和最大尺寸代入磨损类型参照表中,与对应磨损类型关联的数量阈值和尺寸阈值进行比对,在相应类型磨损颗粒的数量大于数量阈值和/或最大尺寸大于尺寸阈值时,判定存在对应的磨损类型。
在一个可能的设计中,所述根据已存在的各磨损类型调取对应的磨损程度计算模型,包括:
根据设定的编号规则确定已存在的各磨损类型的类型编号,将已存在的各磨损类型的类型编号汇总,得到类型编号集;
根据类型编号集从计算模型库中调取关联匹配的磨损程度计算模型,所述计算模型库中预存有若干磨损程度计算模型,各磨损程度计算模型分别关联相应的类型编号集。
在一个可能的设计中,所述磨损程度计算模型为
S=εK+σT+ωI
其中,S表征磨损程度,K表征颗粒度等级,T表征铁元素异常等级,I表征磨损烈度指数,ε为设定的第一系数,σ为设定的第二系数,ω为设定的第三系数。
第二方面,提供一种发动机故障检测***,包括获取单元、提取单元、确定单元、判定单元、调取单元、计算单元和生成单元,其中:
获取单元,用于获取请求端传输的发动机油样检测结果,所述发动机油样检测结果包含铁谱分析数据集、颗粒分析数据集和理化分析数据集;
提取单元,用于从铁谱分析数据集中提取出大磨粒读数、小磨粒读数、各类型磨损颗粒的数量以及各类型磨损颗粒的最大尺寸,从颗粒分析数据集中提取出各尺寸区间污染颗粒计数,从理化分析数据集中提取出铁元素含量;
确定单元,用于根据各尺寸区间污染颗粒计数确定颗粒度等级,根据铁元素含量确定铁元素异常等级,根据大磨粒读数和小磨粒读数确定磨损烈度指数;
判定单元,用于将各类型磨损颗粒的数量与最大尺寸代入预置的磨损类型参照表中进行比对,判定得到已存在的各磨损类型;
调取单元,用于根据已存在的各磨损类型调取对应的磨损程度计算模型;
计算单元,用于将颗粒度等级、铁元素异常等级和磨损烈度指数代入磨损程度计算模型中进行计算,得到磨损程度;
生成单元,用于在磨损程度超过设定的程度阈值时,生成故障提示信息,并根据磨损程度和已存在的各磨损类型生成故障检测结果。
第三方面,提供一种发动机故障检测设备,包括:
存储器,用于存储指令;
处理器,用于读取所述存储器中存储的指令,并根据指令执行上述第一方面中任意一种所述的方法。
第四方面,提供一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,使得所述计算机执行第一方面中任意一种所述的方法。同时,还提供一种包含指令的计算机程序产品,当所述指令在计算机上运行时,使所述计算机执行第一方面中任意一种所述的方法。
有益效果:本发明通过提取发动机油样检测结果中的相应铁谱分析数据、颗粒分析数据和理化分析数据,来根据相应颗粒分析数据确定颗粒度等级,根据相应理化分析数据确定铁元素异常等级,根据相应铁谱分析数据确定磨损烈度指数和已存在的各磨损类型,然后依据已存在的各磨损类型调取相应的磨损程度计算模型来代入颗粒度等级、铁元素异常等级和磨损烈度指数进行计算,得到磨损程度,最后在磨损程度超标时生成故障提示信息和故障检测结果,以快速、高效地完成发动机的磨损故障检测。本发明利用发动机的相应油液检测数据可以准确检测出发动机内出现的磨损类型和磨损程度,高效且可靠地判定发动机是否出现磨损故障隐患,提高了发动机磨损故障检测效率和质量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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为本发明实施例1中方法的步骤示意图;
图2为本发明实施例2中***的构成示意图;
图3为本发明实施例3中设备的构成示意图。
具体实施方式
在此需要说明的是,对于这些实施例方式的说明用于帮助理解本发明,但并不构成对本发明的限定。本文公开的特定结构和功能细节仅用于描述本发明的示例实施例。然而,可用很多备选的形式来体现本发明,并且不应当理解为本发明限制在本文阐述的实施例中。
应当理解,除非另有明确的规定和限定,术语“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在实施例中的具体含义。
在下面的描述中提供了特定的细节,以便于对示例实施例的完全理解。然而,本领域普通技术人员应当理解可以在没有这些特定细节的情况下实现示例实施例。例如可以在框图中示出***,以避免用不必要的细节来使得示例不清楚。在其他实施例中,可以不以非必要的细节来示出众所周知的过程、结构和技术,以避免使得实施例不清楚。
实施例1:
本实施例提供一种发动机故障检测方法,可应用于相应的故障检测终端,如图1所示,方法包括以下步骤:
S1.获取请求端传输的发动机油样检测结果,所述发动机油样检测结果包含铁谱分析数据集、颗粒分析数据集和理化分析数据集。
具体实施时,检测人员可先采集发动机内的机油油样,然后利用直读铁谱仪和分析铁谱仪对机油油样进行相应的铁谱分析,得到铁谱分析数据集,利用颗粒度计数器对机油油样进行检测,得到颗粒分析数据集,利用理化分析仪对机油油样进行成分测定,得到相应的理化分析数据集,再将铁谱分析数据集、颗粒分析数据集和理化分析数据集整合为发动机油样检测结果,最后通过请求端(如电脑、手机等)将发动机油样检测结果传输至检测终端,检测终端接收到发动机油样检测结果进行后续的分析处理。
S2.从铁谱分析数据集中提取出大磨粒读数、小磨粒读数、各类型磨损颗粒的数量以及各类型磨损颗粒的最大尺寸,从颗粒分析数据集中提取出各尺寸区间污染颗粒计数,从理化分析数据集中提取出铁元素含量。
具体实施时,检测终端从铁谱分析数据集中提取出所需的大磨粒读数、小磨粒读数、各类型磨损颗粒的数量以及各类型磨损颗粒的最大尺寸,大磨粒读数和小磨粒读数通过直读铁谱仪检测得到,各类型磨损颗粒的数量以及各类型磨损颗粒的最大尺寸通过分析铁谱仪检测得到;从颗粒分析数据集中提取出各尺寸区间污染颗粒计数;从理化分析数据集中提取出铁元素含量。
S3.根据各尺寸区间污染颗粒计数确定颗粒度等级,根据铁元素含量确定铁元素异常等级,根据大磨粒读数和小磨粒读数确定磨损烈度指数。
具体实施时,检测终端将到各尺寸区间污染颗粒计数代入预置的颗粒度分级标准表中进行匹配,确定颗粒度等级,所述颗粒度分级标准表中包含若干颗粒度等级,各颗粒度等级分别关联相应尺寸区间的污染颗粒数阈值,示例性地,所述颗粒度分级标准表可采用MOOG颗粒度分级标准表。检测终端将铁元素含量除以设定的含量阈值,得到含量比值,将含量比值代入预置的铁元素异常等级表中进行匹配,确定铁元素异常等级,所述铁元素异常等级表中包含若干铁元素异常等级,各铁元素异常等级分别关联相应的含量比值区间。检测终端先计算出大磨粒读数的平方以及小磨粒读数的平方,然后用大磨粒读数的平方减去小磨粒读数的平方,得到磨损烈度指数。
S4.将各类型磨损颗粒的数量与最大尺寸代入预置的磨损类型参照表中进行比对,判定得到已存在的各磨损类型。
具体实施时,检测终端各类型磨损颗粒的数量与最大尺寸代入预置的磨损类型参照表中进行比对,判定得到已存在的各磨损类型,判定过程包括:将各类型磨损颗粒的数量和最大尺寸代入磨损类型参照表中,与对应磨损类型关联的数量阈值和尺寸阈值进行比对,在相应类型磨损颗粒的数量大于数量阈值和/或最大尺寸大于尺寸阈值时,判定存在对应的磨损类型。所述磨损类型参照表包含若干磨损类型,以及各磨损类型关联的对应类型磨损颗粒的数量阈值和尺寸阈值,磨损类型参照表中的磨损类型可包括粘着磨损、疲劳磨损、切削磨损、腐蚀磨损等,粘着磨损对应粘着磨损颗粒,疲劳磨损对应疲劳磨损颗粒,切削磨损对应切削磨损颗粒,腐蚀磨损对应腐蚀磨损颗粒,以此类推。
S5.根据已存在的各磨损类型调取对应的磨损程度计算模型。
具体实施时,检测终端可根据设定的编号规则确定已存在的各磨损类型的类型编号,将已存在的各磨损类型的类型编号汇总,得到类型编号集,示例性地,所述编号规则可设定为:粘着磨损对应编号1,疲劳磨损对应编号2,切削磨损对应编号3,以此类推。然后根据类型编号集从计算模型库中调取关联匹配的磨损程度计算模型,所述计算模型库中预存有若干磨损程度计算模型,计算模型库中的磨损程度计算模型设定为
S=εK+σT+ωI
其中,S表征磨损程度,K表征颗粒度等级,T表征铁元素异常等级,I表征磨损烈度指数,ε为设定的第一系数,σ为设定的第二系数,ω为设定的第三系数,不同磨损程度计算模型的第一系数ε、第二系数σ和第三系数ω各不相同,可根据实际情况进行编辑设定。各磨损程度计算模型分别关联相应的类型编号集,如某磨损程度计算模型关联的类型编号集包含编号1、编号2和编号3,以此类推。
S6.将颗粒度等级、铁元素异常等级和磨损烈度指数代入磨损程度计算模型中进行计算,得到磨损程度。
具体实施时,在调取到相应的磨损程度计算模型后,检测终端就将之前分析得到的颗粒度等级、铁元素异常等级和磨损烈度指数代入到该磨损程度计算模型中进行计算,最终得到磨损程度。
S7.在磨损程度超过设定的程度阈值时,生成故障提示信息,并根据磨损程度和已存在的各磨损类型生成故障检测结果。
具体实施时,检测终端可将计算得到的磨损程度与设定的程度阈值进行比较,当计算得到的磨损程度超过设定的程度阈值时,检测终端生成故障提示信息,并根据磨损程度和已存在的各磨损类型生成故障检测结果,然后将故障提示信息和故障检测结果反馈至请求端,以使请求端的检测人员查看到故障提示信息和故障检测结果。
本实施例方法利用发动机的相应油液检测数据可以准确检测出发动机内出现的磨损类型和磨损程度,高效且可靠地判定发动机是否出现磨损故障隐患,提高了发动机磨损故障检测效率和质量。
实施例2:
本实施例提供一种发动机故障检测***,如图2所示,包括获取单元、提取单元、确定单元、判定单元、调取单元、计算单元和生成单元,其中:
获取单元,用于获取请求端传输的发动机油样检测结果,所述发动机油样检测结果包含铁谱分析数据集、颗粒分析数据集和理化分析数据集;
提取单元,用于从铁谱分析数据集中提取出大磨粒读数、小磨粒读数、各类型磨损颗粒的数量以及各类型磨损颗粒的最大尺寸,从颗粒分析数据集中提取出各尺寸区间污染颗粒计数,从理化分析数据集中提取出铁元素含量;
确定单元,用于根据各尺寸区间污染颗粒计数确定颗粒度等级,根据铁元素含量确定铁元素异常等级,根据大磨粒读数和小磨粒读数确定磨损烈度指数;
判定单元,用于将各类型磨损颗粒的数量与最大尺寸代入预置的磨损类型参照表中进行比对,判定得到已存在的各磨损类型;
调取单元,用于根据已存在的各磨损类型调取对应的磨损程度计算模型;
计算单元,用于将颗粒度等级、铁元素异常等级和磨损烈度指数代入磨损程度计算模型中进行计算,得到磨损程度;
生成单元,用于在磨损程度超过设定的程度阈值时,生成故障提示信息,并根据磨损程度和已存在的各磨损类型生成故障检测结果。
实施例3:
本实施例提供一种发动机故障检测设备,如图3所示,在硬件层面,包括:
数据接口,用于建立处理器与请求端的数据对接;
存储器,用于存储指令;
处理器,用于读取所述存储器中存储的指令,并根据指令执行实施例1中的发动机故障检测方法。
可选地,该设备还包括内部总线。处理器与存储器和数据接口可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(Extended Industry Standard Architecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。
所述存储器可以但不限于包括随机存取存储器(Random Access Memory,RAM)、只读存储器(Read Only Memory,ROM)、闪存(Flash Memory)、先进先出存储器(First InputFirst Output,FIFO)和/或先进后出存储器(First In Last Out,FILO)等。所述处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(NetworkProcessor,NP)等;还可以是数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
实施例4:
本实施例提供一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,使得所述计算机执行实施例1中的发动机故障检测方法。其中,所述计算机可读存储介质是指存储数据的载体,可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒(Memory Stick)等,所述计算机可以是通用计算机、专用计算机、计算机网络或者其他可编程***。
本实施例还提供一种包含指令的计算机程序产品,当所述指令在计算机上运行时,使所述计算机执行实施例1中的发动机故障检测方法。其中,所述计算机可以是通用计算机、专用计算机、计算机网络或者其他可编程***。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种发动机故障检测方法,其特征在于,包括:
获取请求端传输的发动机油样检测结果,所述发动机油样检测结果包含铁谱分析数据集、颗粒分析数据集和理化分析数据集;
从铁谱分析数据集中提取出大磨粒读数、小磨粒读数、各类型磨损颗粒的数量以及各类型磨损颗粒的最大尺寸,从颗粒分析数据集中提取出各尺寸区间污染颗粒计数,从理化分析数据集中提取出铁元素含量;
将各尺寸区间污染颗粒计数代入预置的颗粒度分级标准表中进行匹配,确定颗粒度等级,所述颗粒度分级标准表中包含若干颗粒度等级,各颗粒度等级分别关联相应尺寸区间的污染颗粒数阈值;将铁元素含量除以设定的含量阈值,得到含量比值,将含量比值代入预置的铁元素异常等级表中进行匹配,确定铁元素异常等级,所述铁元素异常等级表中包含若干铁元素异常等级,各铁元素异常等级分别关联相应的含量比值区间;计算大磨粒读数的平方以及小磨粒读数的平方,用大磨粒读数的平方减去小磨粒读数的平方,得到磨损烈度指数;
将各类型磨损颗粒的数量与最大尺寸代入预置的磨损类型参照表中进行比对,判定得到已存在的各磨损类型;
根据已存在的各磨损类型调取对应的磨损程度计算模型;
将颗粒度等级、铁元素异常等级和磨损烈度指数代入磨损程度计算模型中进行计算,得到磨损程度;
在磨损程度超过设定的程度阈值时,生成故障提示信息,并根据磨损程度和已存在的各磨损类型生成故障检测结果。
2.根据权利要求1所述的一种发动机故障检测方法,其特征在于,所述磨损类型参照表包含若干磨损类型,以及各磨损类型关联的对应类型磨损颗粒的数量阈值和尺寸阈值,所述将各类型磨损颗粒的数量与最大尺寸代入预置的磨损类型参照表中进行比对,判定得到已存在的各磨损类型,包括:
将各类型磨损颗粒的数量和最大尺寸代入磨损类型参照表中,与对应磨损类型关联的数量阈值和尺寸阈值进行比对,在相应类型磨损颗粒的数量大于数量阈值和/或最大尺寸大于尺寸阈值时,判定存在对应的磨损类型。
3.根据权利要求1所述的一种发动机故障检测方法,其特征在于,所述根据已存在的各磨损类型调取对应的磨损程度计算模型,包括:
根据设定的编号规则确定已存在的各磨损类型的类型编号,将已存在的各磨损类型的类型编号汇总,得到类型编号集;
根据类型编号集从计算模型库中调取关联匹配的磨损程度计算模型,所述计算模型库中预存有若干磨损程度计算模型,各磨损程度计算模型分别关联相应的类型编号集。
4.根据权利要求1所述的一种发动机故障检测方法,其特征在于,所述磨损程度计算模型为
S=εK+σT+ωI
其中,S表征磨损程度,K表征颗粒度等级,T表征铁元素异常等级,I表征磨损烈度指数,ε为设定的第一系数,σ为设定的第二系数,ω为设定的第三系数。
5.一种发动机故障检测***,其特征在于,包括获取单元、提取单元、确定单元、判定单元、调取单元、计算单元和生成单元,其中:
获取单元,用于获取请求端传输的发动机油样检测结果,所述发动机油样检测结果包含铁谱分析数据集、颗粒分析数据集和理化分析数据集;
提取单元,用于从铁谱分析数据集中提取出大磨粒读数、小磨粒读数、各类型磨损颗粒的数量以及各类型磨损颗粒的最大尺寸,从颗粒分析数据集中提取出各尺寸区间污染颗粒计数,从理化分析数据集中提取出铁元素含量;
确定单元,用于将各尺寸区间污染颗粒计数代入预置的颗粒度分级标准表中进行匹配,确定颗粒度等级,所述颗粒度分级标准表中包含若干颗粒度等级,各颗粒度等级分别关联相应尺寸区间的污染颗粒数阈值;将铁元素含量除以设定的含量阈值,得到含量比值,将含量比值代入预置的铁元素异常等级表中进行匹配,确定铁元素异常等级,所述铁元素异常等级表中包含若干铁元素异常等级,各铁元素异常等级分别关联相应的含量比值区间;计算大磨粒读数的平方以及小磨粒读数的平方,用大磨粒读数的平方减去小磨粒读数的平方,得到磨损烈度指数;
判定单元,用于将各类型磨损颗粒的数量与最大尺寸代入预置的磨损类型参照表中进行比对,判定得到已存在的各磨损类型;
调取单元,用于根据已存在的各磨损类型调取对应的磨损程度计算模型;
计算单元,用于将颗粒度等级、铁元素异常等级和磨损烈度指数代入磨损程度计算模型中进行计算,得到磨损程度;
生成单元,用于在磨损程度超过设定的程度阈值时,生成故障提示信息,并根据磨损程度和已存在的各磨损类型生成故障检测结果。
6.一种发动机故障检测设备,其特征在于,包括:
存储器,用于存储指令;
处理器,用于读取所述存储器中存储的指令,并根据指令执行权利要求1-4任意一项所述的发动机故障检测方法。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,使得所述计算机执行权利要求1-4任意一项所述的发动机故障检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311211991.3A CN116956202B (zh) | 2023-09-20 | 2023-09-20 | 一种发动机故障检测方法、***、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311211991.3A CN116956202B (zh) | 2023-09-20 | 2023-09-20 | 一种发动机故障检测方法、***、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116956202A CN116956202A (zh) | 2023-10-27 |
CN116956202B true CN116956202B (zh) | 2023-12-12 |
Family
ID=88455003
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311211991.3A Active CN116956202B (zh) | 2023-09-20 | 2023-09-20 | 一种发动机故障检测方法、***、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116956202B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110455546A (zh) * | 2019-07-19 | 2019-11-15 | 广西大学 | 基于振动和油液信息的发动机状态监测和故障诊断方法 |
CN114636555A (zh) * | 2022-03-22 | 2022-06-17 | 南京航空航天大学 | 一种航空发动机磨损故障模糊融合诊断方法及*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9897582B2 (en) * | 2012-10-26 | 2018-02-20 | Pratt & Whitney Canada Corp. | Method and system for failure prediction using lubricating fluid analysis |
-
2023
- 2023-09-20 CN CN202311211991.3A patent/CN116956202B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110455546A (zh) * | 2019-07-19 | 2019-11-15 | 广西大学 | 基于振动和油液信息的发动机状态监测和故障诊断方法 |
CN114636555A (zh) * | 2022-03-22 | 2022-06-17 | 南京航空航天大学 | 一种航空发动机磨损故障模糊融合诊断方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN116956202A (zh) | 2023-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110018425B (zh) | 一种动力电池故障诊断方法及*** | |
CN110988422B (zh) | 一种窃电识别方法、装置及电子设备 | |
CN113219361B (zh) | 一种锂离子电池组异常自放电诊断方法及*** | |
CN109725220B (zh) | 一种变压器油冷却回路的检测方法、***及装置 | |
CN112131797B (zh) | 一种基于应力分析的主轴轴承寿命预测和可靠性评估方法 | |
CN113516273B (zh) | 一种发电用柴油机增压器故障预测方法 | |
CN113030666B (zh) | 大型变压器放电故障诊断方法及装置 | |
CN112417763A (zh) | 输电线路的缺陷诊断方法、装置、设备及存储介质 | |
CN115689396A (zh) | 污染物排放管控方法、装置、设备及介质 | |
CN102945222A (zh) | 一种基于灰色理论的乏信息测量数据粗大误差判别方法 | |
CN107103425B (zh) | 发电设备运行状态计算机智能量化评价*** | |
CN116956202B (zh) | 一种发动机故障检测方法、***、设备及存储介质 | |
CN113804388A (zh) | 基于时域分析的机械设备旋转冲击故障检测方法及*** | |
CN109872511B (zh) | 一种针对轴向位移突变监测的自适应两级报警方法 | |
CN112836967A (zh) | 新能源汽车电池安全风险评估*** | |
CN116865672A (zh) | 光伏组件异常识别方法及装置、计算机可读储存介质 | |
CN115277165B (zh) | 一种车辆网络风险确定方法、装置、设备及存储介质 | |
CN116226644A (zh) | 设备故障类型的确定方法、装置、电子设备及存储介质 | |
CN114884849B (zh) | 基于Adaboost的CAN总线异常检测方法及*** | |
CN113065234B (zh) | 一种智能电表的批次可靠性风险等级评估方法及*** | |
CN110259435B (zh) | 一种基于抽油机电参数的井况变化识别方法 | |
CN108469571B (zh) | 基于趋势线拟合的多元试验数据分析的电缆状态评价方法 | |
CN112213104B (zh) | 轴承检测方法、装置和*** | |
CN112445632A (zh) | 基于故障数据建模的hpc可靠性评估方法 | |
Ma et al. | Fault detection and diagnosis of mine hoist machine based on RS and SVM |
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 |