[发明专利]基于缸压估计和流形学习的发动机失火故障诊断方法

摘要

本发明公开了一种基于缸压估计和流形学习的发动机失火故障诊断方法，采用龙伯格滑模观测器来估计发动机缸压，通过对估计的气缸压力信号进行流行学习分析，以实现发动机失火故障诊断。本发明基于发动机的曲轴动力学系统，考虑发动机模型中存在的参数扰动和不确定性问题，建立了非线性状态方程，设计了龙伯格滑模观测器，对气缸压力进行精确的估计。以估计的缸压信号为样本，提取缸压信号的时域特征和频域特征，在考虑样本的近邻点分布的同时分析其最远处的样本点分布，将最近最远距离的保持投影算法运用于发动机失火状态的仿真数据及实际测试中，通过识别错误率，证明该算法有效地诊断出发动机失火状态。

主权项

基于缸压估计和流形学习的发动机失火故障诊断方法，其特征在于：包括以下步骤：1)对发动机逐缸数学模型进行分析，并以微分方程的形式建立发动机逐缸模型，表示为：ω·=ApLtorp-m1RLtorg(θ)ω2-TL(θ)J(θ)p·=-γVV·+γ-1V(1-α)Q·ch]]>其中，Ap表示气缸活塞面积，Ltor表示气缸压力对轴心线的有效力臂，p表示气缸压力，R表示曲轴半径，ω表示曲轴角速度，TL(θ)表示总的阻力扭矩，J(θ)表示曲轴瞬时转动惯量，V表示气缸总容积，表示燃料燃烧热量释放率，表示曲轴加速度，表示压强的导数，α表示散热损耗比例系数，m1表示活塞质量及连杆质量之和，γ比热比，表示气缸控制容积的导数；其中l为连杆长度；2)利用滑模理论，结合发动机逐缸模型建立气缸压力龙伯格滑模观测器，表示为：ω·=1J(θ)ApLtorp^-f^(t)+l1ω~+Ksign(ω~)p·=-γVV·p+γ-1V(1-α)Q·ch+l2ω~+k2sign(ω~)]]>其中，表示气缸压力的观测值，为观测误差，龙伯格增益参数L＝(l1 l2)T，滑模项增益参数K＝(k1 k2)T；3)利用龙伯格滑模观测器，对气缸压缩行程和做功行程的气缸压力进行观测，测取气缸压力信号；4)提取气缸压力信号的时域特征和频域特征，利用最近最远距离的保持投影算法融合时域指标和频域指标形成低维特征空间训练样本和高维到低维空间映射的转换矩阵；5)采集发动机当前的气缸压力信号，构建相应的高维测试样本，将高维测试样本与高维到低维空间映射的转换矩阵结合得到低维测试样本空间，再通过识别聚类方法确定测试样本所属的失火故障状态。