[发明专利]基于并集置信规则库和蚁群算法的船舶柴油机故障定位方法

说明书

本发明涉及一种基于并集置信规则库和蚁群算法的船舶柴油机故障定位方法。本发明从船舶柴油机油液监测系统中采集油样，对采集到的油样进行元素浓度检测，获得反映柴油机磨损故障位置的油液特征；确定输入特征参数变量的参考值集合，建立初始规则库，计算关于输入特征参数变量与参考值的相似度；对规则库中被激活的规则进行融合推理，确定故障类型的信度值，取信度最大值所对应的故障类型作为故障定位模型的输出；构建优化模型，采用蚁群算法对优化模型进行求解，获得最优的规则库，最优规则库作为最终的船舶柴油机故障定位模型，利用最优规则库获得更精确的故障类型辨识结果。本发明中的并集的置信规则库规则少，优化参数少，优化时间短。

技术领域

本发明属于交通安全运行维护与故障诊断技术领域，涉及一种基于并集置信规则库和蚁群算法的船舶柴油机故障定位方法。

背景技术

柴油机作为承载船舶运行的动力设备，其出现的任何部件损伤及故障都会对船舶航行效率及安全带来重要的影响；柴油机的故障往往会引起一系列的连锁反应，甚至是设备崩溃和系统瘫痪，最终导致船舶运行缓慢或者停止运行，其中，磨损故障是船舶柴油机故障的主要类型之一，因此对船舶柴油机故障进行诊断研究具有重要的意义。

柴油机常见磨损故障主要有主轴承异常磨损，缸套-活塞环异常磨损，活塞异常磨损和润滑油污染；从中速柴油机在线油液监测系统中采集油样，通过油液光谱分析对油样中化学元素(Fe，Al，Pb，Si)的浓度值进行检测来确定发生故障的位置；然而在油液采集和油样特征提取的过程中存在许多不确定性，因此采用置信规则库方法处理柴油机磨损故障诊断中的不确定信息；但是当前普遍采用的基于交集的置信规则库规则较多，存在发生组合爆炸的风险，优化参数多，优化时间长，陷入局部最优化等缺点。本发明提出基于并集置信规则库和蚁群算法的船舶柴油机故障定位方法，并集的置信规则库规则少，优化参数少，优化时间短等优点。

发明内容

本发明的目的是提出一种基于并集置信规则库和蚁群算法的船舶柴油机故障类型定位方法。本发明从船舶柴油机油液监测系统中采集油样，通过原子发射光谱仪对采集到的油样进行元素浓度检测，获得反映柴油机磨损故障位置的油液特征；确定输入特征参数变量的参考值集合，根据if-then规则，建立初始规则库，根据信息等价转换方法计算关于输入特征参数变量与参考值的相似度，并计算出相应激活规则的权重；采用解析证据推理算法对规则库中被激活的规则进行融合推理，确定故障类型的信度值，取信度最大值所对应的故障类型作为故障定位模型的输出；构建优化模型，采用蚁群算法对优化模型进行求解，获得最优的规则库，最优规则库作为最终的船舶柴油机故障定位模型，利用最优规则库获得更精确的故障类型辨识结果。

本发明提出的一种基于并集置信规则库和蚁群算法的船舶柴油机故障定位方法，包括以下各步骤：

(1)柴油机常见磨损故障主要有主轴承异常磨损(B)，缸套-活塞环异常磨损(C)，活塞异常磨损(P)和润滑油污染(L)四种磨损故障，正常情况(N)和这四种磨损故障构成了模型的辨识框架，记为Y，Y＝{N,B,C,P,L}。