[发明专利]发动机冷态测试故障诊断方法

权利要求书

1.一种发动机冷态测试故障诊断方法，其特征在于，所述方法包括以下步骤：

步骤一、进行发动机冷态测试并获取m个发动机样本，其中，所述发动机冷态测试包括进气测试、排气测试、高速油压测试、低速油压测试、运行扭矩测试、喷油嘴测试以及VVT测试；

步骤二、将所述m个发动机样本分为m1个正常发动机样本和m2个故障发动机样本，其中m=m1+m2；

步骤三、将所述m1个正常的发动机样本和所述m2个故障发动机样本进行数据整理形成m3个正常发动机样本和m4个故障发动机样本，使得m3与m4满足以下关系：1≦≦7，以及m3+m4≧100，并验证数据样本特征是否丢失；其中，将所述m1个正常的发动机样本复制n1倍得到m3，或将所述m2个故障发动机样本采用分段导入数据样本的方式扩充至m4个故障发动机样本；其中，VVT测试和高速油压测试的故障样本采用复制方式处理，进气测试、排气测试、低速油压测试、运行扭矩测试和喷油嘴测试的故障样本采用分段导入再扩充的方式处理；其中，所述的验证数据样本特征是否丢失通过以下方法实现：将原始样本截断后进行傅里叶变换，把傅里叶变换后的第j个正常第i阶强度记为Tij，其中i小于10，检验Tij正常样本的截断结果是否满足如下式子，|Tij-Ti|/|Tij|0.05，其中Ti为j个样本Tij的平均值；

步骤四、搭建LSTM神经网络；

步骤五、将经过所述步骤三处理过的样本数据导入LSTM神经网络进行训练；

步骤六、将经过所述步骤三处理过的样本数据导入训练完成后的LSTM神经网络进行自检验；

步骤七、对待诊断的发动机进行冷态测试并提取测试数据，将所述测试数据输入通过所述步骤六自检验过的模型，所述模型自动输出诊断结果，判定发动机发生什么类型的故障。

2.根据权利要求1所述的发动机冷态测试故障诊断方法，其特征在于，所述步骤四中的LSTM神经网络为双层biLSTM神经网络，所述双层biLSTM神经网络包括两组biLSTMLayer和两组DropoutLayer，第一组biLSTMLayer包括250个神经元，第二组biLSTM Layer包括200个神经元，以及每一组biLSTMLayer包括一个前向LSTMLayer和一个后向LSTMLayer，其中每一个神经元在每一个时步上的动作为：

输入，遗忘，输出和记录单元状态，并分别满足以下动作：

其中、、、为状态向量，分别代表输入门，遗忘门，输出门，单元状态门；、、、为循环质量矩阵；、、、为投影矩阵，k为权重因子，k=-0.02。

3.根据权利要求2所述的发动机冷态测试故障诊断方法，其特征在于，所述双层biLSTM神经网络的DropoutLayer运算逻辑为随机性的根据参数probability，将输入元素设置为零，然后将剩余元素按照1/(1-probality)比例缩放，参数probality设置为0.3用于防止过拟合。

4.根据权利要求2所述的发动机冷态测试故障诊断方法，其特征在于，在所述步骤四中，利用MATLAB R2019a软件来搭建建LSTM神经网络，以及在所述步骤五中，采用Adam优化求解器进行优化求解。

5.根据权利要求4所述的发动机冷态测试故障诊断方法，其特征在于，在所述步骤四中，通过构建损失函数来防止过拟合，，其中，为质量矩阵，。

6.根据权利要求1所述的发动机冷态测试故障诊断方法，其特征在于，所述步骤四中的所述LSTM神经网络为单层LSTM神经网络，所述单层LSTM神经网络包括一个LSTM层；或

所述步骤四中的所述LSTM神经网络为双层LSTM神经网络，所述双层LSTM神经网络包括两个LSTM层；或

所述步骤四中的所述LSTM神经网络为单层biLSTM神经网络，所述单层biLSTM神经网络包括一个biLSTM层。