[发明专利]发动机冷态测试故障诊断方法

说明书

本发明公开了一种发动机冷态测试故障诊断方法，包括以下步骤：进行发动机冷态测试并获取m个发动机样本并将其分为m1个正常发动机样本和m2个故障发动机样本，然后将m1个正常的发动机样本和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：以及m3+m4≧100，搭建LSTM神经网络，并将处理过的样本数据导入LSTM神经网络进行训练和进行自检验，然后对待诊断的发动机进行冷态测试并提取测试数据，将测试数据输入自检验过的模型，模型自动输出诊断结果。本发明可以降低对试验人员专业性要求，还可以提高训练模型在训练样本较小时的训练效果。

技术领域

本发明涉及发动机领域，具体涉及一种发动机冷态测试故障诊断方法。

背景技术

现如今，智能诊断技术在发动机测试方面已经取得了十分广泛的应用， 其主要可以分为基于数学模型的方法和基于人工智能的方法两大类。其中数 学模型则是通过一定的物理和数学原理，提取冷态测试原始曲线的特征值， 来判断发动机是否存在故障，而人工智能的方法则是采用机器学习或者深度 学习的方法来判断发动机是否存在故障。

然而，目前通过建立数学物理模型，通过特征值判断发动机冷态测试是 否存在故障的方法过于依赖试验人员的经验和知识，对于一般人员很难有效 提取发动机故障特征，同时也难以判断发动机是否存在故障，同时，对于采 用机器学习深度学习的方法进行发动机冷态故障诊断的，却大多使用BP神经 网络和SVM等简单机器学习结构，很难描述发动机冷态测试过程中特征参量 随时间变化的规律。

发明内容

本发明的目的是提供一种发动机冷态测试故障诊断方法，以解决上述现 有技术中存在的问题。

为了解决上述问题，根据本发明的一个方面，提供了一种发动机冷态测试 故障诊断方法，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；

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：以及m3+m4≧100；

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。

在一个实施例中，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。

在一个实施例中，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。

在一个实施例中，在所述步骤三中，还包括验证数据样本特征是否丢失的 步骤。

在一个实施例中，“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。