[发明专利]基于离群特征分析的柴油机故障灰预测方法

权利要求书

1.基于离群特征分析的柴油机故障灰预测方法，其特征是：

(1)利用数据采集系统相等时间间隔检测气缸运行参数，包括：平均指示有效压力、爆发压力、压力升高率、燃烧最高温度、排气平均温度，各缸发火时刻瞬时转速、瞬时转速波动率；

(2)利用标准化公式对气缸运行参数进行标准化处理，使得各项数据在保留原有信息的条件下实现从有量纲到无量纲的转化；

(3)将柴油机气缸的综合运行状态作为聚类分析对象，将标准化处理后的气缸运行参数作为聚类对象的属性，利用蚁群聚类算法分析待聚类对象，实现故障气缸的自动分离，并计算故障气缸的离群因子；

(4)将故障气缸离群因子构成时间序列，在此基础上，利用灰色模型预测分析其变化趋势，实现柴油机整体健康状态的监测功能；

利用蚁群聚类算法分析待聚类对象，实现故障气缸的自动分离，具体步骤包括：

将柴油机气缸的综合运行状态作为聚类分析对象，将标准化处理后的气缸运行参数作为聚类对象的属性，利用蚁群LF算法分析待聚类对象，实现状态异常气缸的自动分离，并计算状态异常气缸的离群因子，柴油机气缸离群特征分析包括“故障气缸”的辩识和“故障气缸”离群因子计算；

所述的“故障气缸”辩识是指利用蚁群LF算法对柴油机内配置的多个气缸进行聚类分析：首先，利用公式计算任两个气缸对象O_i和O_j间的曼哈顿距离，d(O_i,O_j)表示两个气缸对象O_i和O_j间的曼哈顿距离，x_ik、x_jk分别表示对象O_i和O_j的第k个属性，p表示对象O_i和O_j的属性个数；然后，利用公式计算气缸对象O_i与周围气缸对象间的平均相似度f(O_i)，r表示邻近范围的半径，Neigh(r)表示邻近范围，w表示曼哈顿距离的规模；最后，根据公式计算蚂蚁拾起气缸对象的概率P_p(O_i)，k₁为阈值常数，根据公式计算蚂蚁放下气缸对象的概率P_d(O_i)，实现状态异常的气缸对象的自动分离；

所述的“故障气缸”离群因子计算是指计算故障气缸与正常气缸的偏离程度，计算方法采用公式为故障气缸的离群因子，L₁为故障气缸与其它正常气缸间曼哈顿距离的平均值，L₂为柴油机中任两个气缸间曼哈顿距离的平均值，m为气缸对象的个数。

2.根据权利要求1所述的基于离群特征分析的柴油机故障灰预测方法，其特征是：所述的气缸工作参数标准化处理是将气缸工作参数按比例缩放，使之落入一个特定区间，去除数据的单位限制，将其转化为无量纲的纯数值：采用数据0-1标准化方法，定义X为样本数据矩阵，则0-1标准化公式为：

x*=xij-xj(min)xj(max)-xj(min),]]>

上式中，x*表示经标准化处理后的矩阵元素，x_ij表示样本矩阵X中第i行，第j列的元素，x_j(min)表示第j列样本数据中的最小值，x_j(max)表示第j列样本数据中的最大值。

3.根据权利要求1所述的基于离群特征分析的柴油机故障灰预测方法，其特征是：将故障气缸离群因子构成时间序列，利用灰色模型预测分析其变化趋势，其具体为：

采用公式预测分析离群因子未来变化趋势，实现柴油机整体健康状态的评估与预测功能，x⁽¹⁾(k-1)为故障气缸离群因子原始值的一次累加生成，为故障气缸离群因子预测结果，a、b为预测参数列元素。