张翠侠

（宿州学院，安徽 宿州234000）

1 引 言

及时诊断故障并采取有效的措施，对增加柴油机工作时的安全性和可靠性、降低柴油机维修费用、减少由此带来的损失、防止突发事故，具有重大的现实意义。柴油机是机、电、液一体化的复杂系统，由于柴油机系统层次性、设备的复杂性及工作环境多变性，其故障具有层次性、相关性、延时性和不确定性等特性。这些特性决定了当一种故障发生时会产生多种征兆，一种征兆对应多种故障的复杂关系，而故障原因和故障征兆之间的关系是非线性、多变量和模糊的［1］。因此，最为实际的解决办法是根据实际运行状态异常识别故障征兆，准确快速的确定故障原因，及时诊断和维修。目前国内外对柴油机故障诊断模型方法的研究较多，包括灰色系统［2］、贝叶斯［3］、时频谱图与图像分割［4］、经验模态分解和Laplace小波［5］、系统控制策略［6］、混沌诊断［7］、模糊逻辑推理［8］等，这些模型为柴油机故障的诊断和维护提供了广泛的支持。但是，柴油机使用范围广、型号多、环境多变等不确定因素，导致其故障诊断的复杂性和多变性。因此，必须探索一种适合各自实际情况，且能够自我调节学习的故障诊断方式。

本文结合灰靶理论，基于实时更新的柴油机故障统计数据和专业人员经验知识，构造自我调节学习的柴油机故障征兆标准模式，通过计算靶心距诊断设备故障，对柴油机故障诊断进行一定的研究。

2 基于自我调节学习的柴油机……

登录APP查看全文