柴油机常见故障分类

柴油机常见故障分类

主要故障模式及原因——磨损、变形、穴蚀、腐蚀。

1 整机异响——气门间隙等调整不当；有明显敲缸声。

2 柴油机抱死——曲轴抱死。

3 柴油机卡死——因润滑不良或高温引起活塞在缸筒中卡死。

4 汽缸压力不当——活塞环漏气。

5 窜气窜油——活塞环折断。

6 功能失效*——油路原因（堵塞，进气等）。

7 活塞顶死——由于吸入异物引起，造成活塞环损坏。

8 柴油机过热*——由于水道部分堵塞或控温器损坏。

9 油耗超标——磨损严重、漏油严重。

10 油水混合*——由于汽缸垫密封性能差引起。

11 缸体损坏***——活塞破损或连杆螺栓断裂，连杆将缸体打坏，柴油机报废。

12 缸筒拉伤——进入异物，引起拉伤。

13 缸筒损坏——活塞损坏，活塞销卡簧断或脱落，活塞环断。

14 缸套松动——缸套松动后，边沿渗水。

15 活塞烧蚀——顶部严重烧蚀需更换。

16 活塞销断裂

17 活塞环漏气——漏气后，冲击油底壳引起异常响动。

18 连杆衬套磨损*——磨损引起松动。

19 连杆轴瓦烧蚀*——有蚀或轻微。

20 连杆轴瓦拉伤。

一异常磨损的常见故障：80%的机件损坏是由于磨损引起的。

1 拉缸、烧轴瓦、抱轴、气阀、阀座间隙过大引起的泄漏、活塞组件与汽缸套的过度磨损导致间隙增加，压缩压力下降，燃烧不良，功率下降，废气窜入曲柄箱，润滑油蒸发和劣化，严重时会导致曲轴箱爆炸；

2 高压油泵及喷油嘴的磨损会导致不能产生额定的高压燃油，使喷油提前角及喷油时间偏离最佳值，喷油嘴积碳；

3 滑油泵异常磨损会降低滑油输出压力；

4 曲轴和轴承间隙增大会加剧振动和噪声，严重时曲轴因疲劳而断裂。

原因；1润滑油压力过低（润滑油泵齿间隙过大，产生不了足够压力的滑油，润滑油过滤器及管路堵塞，压力润滑摩擦副间隙过大；2润滑油中含有颗粒特别是

硬质磨粒将会造成摩擦副机件的磨料磨损；3 润滑油变质，润滑油中进水、混入燃油、添加剂失效等；4 环境影响，如润滑油温度过高会使黏度急剧下降，柴油机断冷却水必然使柴油机拉缸而最终停机。

二变形

由于受力不均匀、磨损不均匀或拆装不正确通常导致柴油机机件变形。如轴瓦磨损不均匀导致曲轴变形，缸盖安装时受力不均匀或热负荷作用下都会产生变形，工作时汽缸盖和机体之间将会产生泄漏。

三穴蚀

穴蚀是在流体系统中，液体内部空化而产生空泡，空泡的破裂产生微射流，并对固体壁面产生破坏现象。柴油机一般都存在穴蚀，特别是在汽缸外侧和机体水腔内侧。合适的冷却水添加剂能有效地抑制冷却系统的穴蚀和腐蚀。

柴油机故障诊断的研究内容

１故障机理的研究

20世纪70年代后期提出了基于机械故障的动力学机理研究的故障诊断技术，主要根据机械设备的力学特征，建立相应的动力学模型，从故障对系统动力学参数的影响来分析故障特性。这种方法对诊断大型机组的转子裂纹故障取得了实际的效果，80年代后期提出了基于共振解调原理的诊断技术。它主要根据滚动轴承局部故障点脉冲激励引起的共振，对共振响应的解调可以获得轴承故障的特征频率。目前机械故障机理的研究仍在不断深入进行，例如摩擦过程、自激振动、轴承动力失稳等的机理研究和对于裂纹齿轮和裂纹转子振动信号中相位特性的研究都取得了一定的成果。

２状态信号的采集

状态信号是机械设备异常或故障信息的载体，选用一定的检测方法和检测系统采集最能表证诊断对象状态的信号，是故障诊断技术实施过程中不可缺少的环节。能够真实、充分地采集到足够数量的，客观反映诊断对象状况的状态信号，是故障诊断的关键。在柴油机故障诊断中，主要使用的测试方法有：

a振动测试——主要测量的参数有速度、加速度、位移；使用的传感器主要有电涡流传感器、磁电式传感器、压电式传感器。

利用缸体表面的振动信号，采用传递函数法，对气缸压力进行数值模拟，可对气缸压力进行诊断。诊断进、排气系统的故障多数也是测量缸体表面的振动信号。通过对气阀落座造成的冲击在气门附近的振动响应进行监测，可以对气阀的磨损状况及气门间隙进行诊断。

在整体性能诊断中，有学者提出采用灰色理论构造诊断模型，在振动信号的

时域分析中，有学者提出了发动机诊断的多重分形法。

B压力测试——进排气系统的压力可判断缸内工作情况及缸的密封状况。测量燃油的流动压力可诊断燃油系统的状况。测量润滑油压力可以直接反应出润滑系统密封性能的好坏，特别是曲轴连杆的密封程度。

C转速测试——转速波动诊断法和无负载测功法

柴油机曲轴的瞬时转速波动信号能反映机器的工作状态，通过对瞬时转速波动信号的分析可以得到机器运行状态和相关故障的丰富信息。正常工况下，各缸的动力性能基本一致，柴油机运转平稳，各缸瞬时转速波动虽有差异，但总在一个不大的范围内，并呈现某种规律性；但当某个气缸工作不正常时，动力的一致性受到破坏，柴油机运转的平稳性变差，转速波动信号会产生严重变形，根据此可以判断其缸内工作过程的好坏。转速诊断法可以对缸内工作情况进行判别，如对缸内熄火进行识别等。

无负载测功法的原理是在发动机空载加速的工况下测量其转速，通过转速变化率与瞬时功率的对应关系求解发动机功率。转速测量的精度对诊断有至关重要的影响。

D 光谱、铁谱测试

在柴油机状态监测中，检测润滑油中铁的含量可以间接判断金属部件的磨损。

E 声发射测试

声发射可以用于在线测量发动机的连杆轴承故障，也可以通过测量柴油机燃烧压力的振荡共振频率来诊断燃油系统故障。

F 激光测试技术

基于激光照射在运动物体上散射的相干光和多普勒频移原理，已研制开发出检测和诊断故障的装置，其中有诊断柴油机喷嘴孔口压降、旋转零件和曲轴扭振的激光测量仪。

G 场测试

激光多普勒测试技术可以用于柴油机燃烧场的测试分析。英国OMETRON 公司已推出采用激光方法的全场振动测试分析仪器和采用红外线远距离扫描技术的全场应力测试系统。可以分析工作设备的整体振动或应力分布。

红外热成像技术也有了新的发展，1996年美国CSI公司在中国首次展出了用焦平面技术制成的红外热面像仪，比原来的光机扫描技术成象速度快，可以瞬时扫描成像，用以测量温度场。

3 信号处理技术与故障特征提取

初始信号与故障征兆之间往往不存在直接的对应关系，故障信息通常混杂在

大量背景噪声中。故障特征提取就是将初始信号进行维数压缩、形式变换、去除干扰、保留和增强有用信号，精化故障特征信息的过程。因此，信号模式的转换与特征的提取是分析故障的关键步骤和前提。信号处理和故障特征提取的方式分为以下几种：

a 函数分析法——利用信号与特征之间的定量函数关系，通过数学分析的方法，直接得到特征量。最典型的方法就是状态空间分析法。例如在诊断机械结构是否完好时，首先建立结构的振动方程，进行结构模型态分析，侧取的信号作为状态方程的输出，再根据状态方程确定机械结构当前的特征参数。

B 调和分析法——自从195年快速傅里叶变换（FFT）问世以来，调和分析在众多的应用领域获得了迅速发展，已经称为信息处理中最重要、最基本的技术。目前几乎所有的动态分析仪都是以此为核心进行信号处理的。所有以FFT为基础派生出来的分析方法均获得了极大的发展，例如周期图分析法，快速卷积与反卷积、相干分析、自谱、互谱、细化谱、倒频谱、传递函数、谱趋势分析、适量监测图等。改进FFT算法AFFT的提出，大大减少了传统（FFT）中泄漏和栅栏效应引起的误差，从而使基于相位信息的故障诊断称为可能。在此基础上提出了全息谱方法、提纯轴心轨迹法以及轴心轨迹复杂度分析法等一系列新方法。此外，相位分析技术也包括希尔伯特变换的应用，用于对信号的调制进行包络分析、相位解调和瞬时频率的计算等。

应用于非平稳的时变信号或非线性信号的分析方法研究也有了很大进展，尤其是信号的时——频展开。其中，获得广泛应用的有GABOR提出的窗口傅立叶变换和WIGNER提出的WIGNER分布,这些方法对于刻画信号在瞬时的频谱结构有良好效果，同时经过修正后重新建立的信号可以更加有效地表证信号的特征。

调和分析在理论和应用领域的最新进展是“小波分析”，20世纪80年代后期，在信号时——频局部化特性的研究基础上，建立了小波理论。这一理论不仅成为数学上调和分析理论的重大进展，而且迅速在诸多领域中获得了广泛的应用。目前这一技术的发展方兴未艾，在机械设备故障诊断中的应用已取得重要成果。

C参数模型法——这一方式是根据被测系统的特性建立起参数模型，再利用所获得的信号计算出模型的特征参数，根据参数模型可以对系统进行动态分析以及进行趋势预测与控制。目前，获得广泛应用的参数模型之一就是时序模型的诊断方法。这是一种对信号进行统计学意义上的处理与分析的数学方法。它根据时间序列信号，建立差分方程形式的数学模型，这种模型是对被测系统的时域描述，反映了系统的运行状态，另外一类参数模型是现代控制论中的系统辨识差分方程。当系统的输入可知时，这种差分方程可以提供比时序模型更加完备的信息。近年

来，这一类方法仍在不断完善，出现了诸如基于最大熵准则、最小均方准则、最大似然准则、最小交叉准则等的大量算法。参数模型法的特点是几乎能将蕴含在采样数据中的全部信息凝聚在少数的几个模型参数之中，因而能对系统作出精练而有效的数学表示。它的主要优点是计算信号的统计特性时没有对采样数据的加窗影响，因而不存在频谱的泄漏，频率定位准确。

4 设备状态分析与故障诊断

特征量和特征信息的提取，仅仅是提供了对设备状态进行分析与诊断的依据，如何作出正确的判断与决策，是诊断技术所要解决的问题。这一技术领域的研究目前十分活跃，并取得了很大进展。设备状态的分析与诊断方法可以概括为以下几类：

（1）函数诊断法：在特征量与设备状态之间如果存在确定的函数关系，则可以通过计算来得到设备的状态，例如，根据振动信号已经得出的当前结构刚度这一特征量，而刚度与裂纹的位置和大小存在一定的数学关系，则可以通过计算判断结构有无裂纹。

（2）对比诊断法：事先通过计算分析、试验研究或对实际数据进行统计归纳等方式，确定设备有关状态与特征量之间的对应关系，即建立特征量的基准模式。在对设备状态进行分析判断时，只要将得到的特征量与基准模式进行比较，即可确定设备当前的运行状态。例如在对机械设备进行全息谱分析时，根据计算机模拟数据和以往大量的典型实际故障信号，分别对回转机械的各种典型故障（如失衡、不对中、油膜涡动、气流激振、喘振等），建立相应的全息谱图集；对具体的机械设备进行诊断时，将得到的全息谱与标准图集进行比较分析，即可确定故障类型。

（3）逻辑诊断法：当根据多重特征对设备进行分析时，这种方法最为有效，它的主要发展是故障树分析方法（FTA）。故障树原来是分析系统可靠性和安全性的重要方法，在故障诊断中常用于系统的故障分析，既可用于故障诊断，也可用于故障预测，是一种有效的分析工具。

（4）统计诊断法：它包括各种统计模式识别方法，信息特征选择和维数压缩也属于这一类方法，例如主分量分析法。在故障诊断中，常用的识别方法有基于各种距离的聚类分析方法，各种线性或非线性判别分析法，如BAYES 分类器等，时域模型参数法以及利用kullback-leioler信息量的识别方法和J——散度分析方法等。

（5）模糊诊断法——这是20世纪80年代兴起的一种新的诊断方法。它以模糊数学为基础，利用人类思维中的模糊逻辑，根据多种特征参量对设备进行综合评判，从而得出准确的结论，这一方法在柴油机燃油系统故障诊断中

已经获得了成功的应用。

（6）人工智能方法：人工智能是一个范围广泛的研究领域，专家系统是其中一个活跃的研究方向。专家系统能够将设备管理和维修人员的实际经验以及专家的思维方法同计算机强大的计算功能和巨大的存储容量相结合，同时还具有知识的扩充以及分析方法的自我学习等功能，从而对机械设备具有十分有效的诊断能力。专家系统的核心内容包括：知识库、知识获取、推理机和解释部分。专家系统按照其知识表达方式的不同可以分为基于准则的和基于框架的专家系统；按照其推理方式的不同可以分为正向推理和逆向推理。

近年来，人工智能的另外一个领域，神经网络的研究工作取得了很大进展，神经网络具有自学习功能，使之不受专家知识和编程者个人能力的局限，能够不断增强判断能力，因而能提高设备诊断的准确率，并能对运行状态作出预报。

5 诊断信息的存储与管理

诊断信息隶属于设备管理信息，因此，设备管理信息一般总是包含有设备状态的诊断信息。这一领域的最新发展包括了设备管理综合信息的存储、管理与检索。由于计算机技术的发展，计算机网络的普及，多媒体计算机以及超大容量可以高速读取的CD－ROM光盘的广泛应用，诊断信息的存储已经不仅仅是数据和文字的存储，而是集声音、图像、数据、文字等综合信息的同一存储和管理。这种管理系统的多层次高速检索功能配合计算机通讯技术，将使设备诊断信息更好地服务于设备状态分析、状态趋势分析和维修规划的决策。

整个故障诊断的过程可以用下图表示。

柴油机故障诊断方法评述

1 基于振动信号的时频特征提取法

柴油机是一种高速的往复式动力机械，缸盖振动信号是反映柴油机内部各个部件之间关系的极其敏感的参数，它是缸内气体燃爆压力、进排气门落座冲击和进排气门开启气流冲击等多种激励力综合作用的结果，同时还受到机身整体振动等其它因素的影响，其表现形式既具有与工作循环有关的周期特性，又具有非平衡时变及某些冲击特性。这给信号分析和诊断征兆提取带来了很大难度。振动信号特征提取分析法的依据是振动中包含有振源信息和状态等信息，振动监测及故障诊断的出发点是在机械动力特性分析及谱分析基础上，研究柴油机运行过程中的故障原因与对应的状态，主要分析方法有：

a 时域分析法——振动信号的时域特征参数主要有峰值、均值、均方幅值、方差、标准差、三阶矩、四阶矩、波形因子、脉冲因子、裕度因子等。这些特征参数由于测量比较直接，可以用于在线监测、同时也可以作为其他诊断方法的特征提取参数。

b 频域分析法——通过某种变换，将振动信号从时域变换到频域，然后再进行特征提取的一种方法。处理方法有古典谱估计法和现代谱估计法。古典谱估计法基于FFT 快速算法，包括周期图法、相关分析、相干分析、自谱、互谱、细化谱、倒频谱、传递函数、谱趋势分析等。现代谱包含最大熵谱估计、ARMA 时序分析以及最小方差法等。古典谱的优势在于能用FFT 快速计算，物理意义明确；缺点是分别率偏低，需要的数据量大，加窗后会产生泄漏，方差性能不好。现代谱分析法具有比较高的分辨率，对数据量的要求比较少，但是容易产生波形失真，信噪比低。

C 现代时频分析法——时域和频域分析适用基于平稳或准平稳过程的振动信号，对柴油机而言，由于其结构复杂，振源众多，其振动信号在通频带范围内均有大量能量分布，单纯用时域或频域分析法则存在分辨率不足的问题。时频分析法弥补了这一缺点，主要方法有：

1）短时傅立叶变换（STFT ）

其数学表达式为：

它具有时频局部化的功能，)(τ-t g 在时频中相当于带通滤波器。当τ变化时可以使窗函数在整个时域上滑动，因而具有时间局部化的特点。STFT 可分析非平稳信号，但对准平稳信号效果更佳，当选定g （t ）后，时域分辨率不变，缺乏细化功能，反映强烈瞬变非平稳信号的能力不足。

2）Wigner 时频分布

数学表达式为：

其加窗离散形式为：

Wigner 时频分布特点是信号在时频上的分布，由于窗函数g(k)的局部化性质以及x(n+k)x *(n-k)的关系，它具有对准平稳信号及非平稳信号分析的能力。

3）小波变换（Wavelet Transform ）

小波变换在振动信号分析中属于一种多分辨率的时频分析方法，具有多分辨?+∞

∞---=dt e t g t x f W rft j 2*)()(),(ττ?+∞∞-??--+=ττ

τπd e t x t x f t W t f j x 2*)2

()2(),(M

e k n x k n x k g m n W hk j M M k x /)()()(2

),(22/2/*π--=∑-+=

率的时频局部化、快速线性多通道带通滤波等优点，为非平稳信号的分析提供了一个有价值的工具。在实际工程应用中，常使用简单方便的二进小波变换。小波变换的数学表达式为：

小波变换相当于一个带通滤波器和一个低通滤波器，在高频范围内时间分辨率高，在低频范围频率分辨率高；信号的分解和重构可有针对性地选择有关频带信息；全频带分析的结果，信息量既无冗余，也无疏漏。

近年来，国内外通过振动信号提取柴油机故障特征的研究已取得了较大进展，研究的重点是通过缸盖或缸体振动信号，提取燃烧激振力及排气门落座响应的频率特征，对柴油机工作过程故障进行诊断。但这种方法大多还局限于在实验室对零部件单一模拟故障的诊断方面，距离实际应用还有一定距离。主要困难有： a 柴油机是一个由曲轴连杆机构、气门机构、燃烧系统、润滑系统、冷却系统等组成的多层系统，具有系统级、子系统级、部件级、零件级四个层次；柴油机的结构异常复杂，加之输入、输出不明显，因而无论是定量还是定性都难以用比较完备、准确的模型对其结构、功能、以及状态等进行有效的表达；柴油机的故障及产生故障的原因有时是模糊不清的，一个故障可能是多种因素综合作用的结果，这比简单的因果对应关系复杂得多。

B 柴油机的结构、运动状态复杂，型号众多，而共性归纳不够，所以适应于某台、某型号柴油机振动信号的分析法，对另一型号的柴油机未必可行；对同一机型选取不同测点进行测量，即使故障类型相同，所测量的结果都有可能是矛盾的。

C 柴油机振源多，系统传递路径复杂，故障既有“纵向性”又有“横向性”，这一特征带来了柴油机这一复杂系统中多个故障并存的现实，多系统的同时诊断导致对故障能否准确定位这一十分困难的诊断问题。

D 柴油机各类故障所对应的振动频率，无论从理论上还是实践中都比较难以准确确定，目前所采用的谱分析故障诊断方法，只是根据功率谱的形状特征，用相似比较的办法进行确定。在不同的故障形式产生相似形状功率谱图时，有可能发生误诊断，给实际判断工作造成很大困难。

2 瞬时转速波动诊断法

柴油机曲轴的瞬时转速波动信号能反映机器的工作状态，通过对瞬时转速波动信号的分析可以得到机器运行状态和相关故障的丰富信息，正常工况下，各缸的动力性能基本一致，柴油机运转平稳，各缸瞬时转速波动虽有差异，但总在一个不大的范围内，并呈现某种规律性；但当某个气缸工作不正常时，动力的一致性遭到破坏，柴油机运转平稳性变差，转速波动信号会产生严重变形，据此可以?+∞∞---=dt a b t t f a

a b f W )()(),)((2/1ψψ

判断其缸内工作过程的好坏。存在的不足之处在于：

a 利用瞬时转速波虽然能确定工作不正常的缸位，但不能确定造成故障的原因。例如，缸内压力降低造成曲轴瞬时转速变化，可能是活塞环或缸套磨损引起气密性变差所致，也可能为燃油系统故障造成燃烧不充分所致等。

B 由于要反映一周内角速度的变化，瞬时转速测量仪就要求高频率响应，高精度，设备费用会很高；另外，现场安装、调试使用均比较困难。

3 应用铁谱和光谱技术监测柴油机磨损状况

在柴油机状态检测中，检测润滑油中铁的含量可以间接判定金属部件的磨损。铁谱和光谱技术在监测功能上各有优势和不足，这是因为柴油机运动部件含有多种材料的摩擦副，而每一对摩擦副又会出现各种不同的磨损状态。产生于不同摩擦副在不同磨损状态下的磨粒是以不溶的颗粒形式存在于润滑油中。光谱可以准确地测定润滑油中磨损元素的含量，但不能了解其存在的形状，而且其监测灵敏度又受到磨粒本身粒度的影响，因此无法判断磨损的类型。铁谱可以直观地了解磨粒的形状、大小、成分等重要的磨损信息，但对有色金属就不具有与铁系磨粒相同的灵敏度，而且分辨能力不如光谱分析仪。所以联合采用铁谱和光谱技术获得了取长补短的效果。

此外，由于利用铁谱和光谱技术进行监测的数据多，各个指标数据的重要程度也不相同，致使诊断结果可信度较低。为达到对柴油机综合监测的目的，人们一直在探索一种方便实用的方法。在铁谱和光谱技术获得的数据基础上，应用多元统计分析的动态聚类分析法、模糊聚类分析法、灰色关联分析法等对柴油机磨损情况和润滑油质量进行分析，取得了一些有益的结论。但铁谱和光谱技术分析法无法确定有问题的缸位，且不易实现实时监测；油液分析的结果只是定性地描述，存在一定的随机性。

4基于灰色系统理论的故障诊断方法

灰色系统理论是控制论的观点和方法延伸到其他领域的产物，是自动控制学科和运筹学相结合的初步尝试。

灰色系统理论认为，客观世界是信息的世界，其中既有大量已知信息，也有许多未知、非确知信息。未知的信息称为是黑色的；已知的信息是白色的；既含有未知信息又含有已知信息的系统称为是灰色系统。信息不完全是灰色系统的特征，通过对灰色系统的白化，对系统的认识便由知之不多到知之甚详，由知之甚详再到认识其变化规律，最后从变化规律中提取所需要的信息。

灰色系统理论以其新颖的思路和广泛的适用性在理论及工程界引起广泛关注并迅速在许多领域获得广泛应用。灰色系统理论用于柴油机故障诊断的原理是把柴油机系统看成是一个复杂的灰色系统，利用存在的已知信息去推知含有故障

模式的不可知信息的特征、状态和发展趋势，并对未来的发展作出预测和决策，其过程即是一个灰色过程的白化过程。灰色系统理论在故障诊断中的应用包括灰色系统建模、关联度分析、灰色模型预测等。利用灰色系统可以实现故障的预测，其准确率高，计算量小，易于实现微机实现。

5 基于神经网络的故障诊断法

神经网络在柴油机故障诊断中的应用主要有：

a 神经网络直接用于故障诊断

BP神经网络由于具有比较强的非线性映射能力而被广泛应用于故障诊断领域。它通过对故障实例的训练和学习，用分布在神经网络中的连接权值来表达所学习的故障诊断知识，具有对故障诊断的联想记忆、模式匹配和相似归纳的能力，可以实现故障和征兆之间的复杂的非线性映射关系。但是，基本BP算法存在着局部极值和收敛速度慢等特点。在神经网络中引入模拟退火法和遗传算法，可以有效地解决局部极值，提高算法的收敛速度。

B 自适应神经网络模式识别。

传统模式识别过程在特征提取上具有很大的盲目性、效率低，而自适应神经网络利用神经网络分布式信息存储和并行处理，避开了模式识别中建模和特征提取的麻烦，从而消除了模式不符和特征提取不当所带来的影响，使故障状态易于识别。

C 模糊神经网络在故障诊断应用中具有广阔前景。

由于柴油机状态信号传播路径复杂、故障与特征参数的映射关系模糊，再加上边界条件的不确定性、运行工况的多变性，使故障征兆和故障原因之间难以建立准确的对应关系。模糊神经网络应用模糊集合论、模糊语言变量及模糊逻辑推理来模拟人的模糊思维方法，采用多层前向网络结构，结合人们的先验知识进行模糊推理，使之具有准确的非线性拟合和学习能力。由于权值初始化可根据先验知识人为选择，因此，网络的学习速度大大加快，并在一定程度上回避了梯度下降法存在的局部极值问题。

D 神经网络与专家系统相结合。

主要有两种策略：一是将专家系统构成神经网络，把传统专家系统的基本符号的推理变成基于数值运算的推理，以提高专家系统的执行效率并利用其学习能力解决专家系统的学习问题；二是将神经网络视为一类知识源的表达和处理模型，与其他知识表达模型一起去表达领域专家的知识。实践证明，神经网络和专家系统结合，互补长短，克服了神经网络存在的诊断推理不清除、诊断解释机制不强以及专家系统的知识“瓶颈问题”等缺陷，达到一种比较完美的结合。

此外，粗糙集（ROUGH SETS）理论方法用于刻画不完整数据和不精确知识的

表达、学习和归纳十分有效。它能够有效地处理和分析不精确、不完整、不一致等不完备性，发现数据间隐藏的关系，从而提取有效信息，简化信息的处理。用粗糙集理论优化条件属性和决策属性，再用神经网络对属性进行聚类分析，可以减少神经网络的输入节点数，提高学习效率。

6 基于专家系统的智能化诊断方法

专家系统是人工智能的主要分支之一，其核心内容包括：知识库、知识获取、推理机和解释部分。专家系统按照其知识表达方式不同可以分为基于规则的和基于框架的专家系统；按其推理方式的不同可以分为正向推理和逆向推理。

在知识表达方面，利用产生式规则进行知识表达，一方面得益于现有人工智能语言，如LISP；另一方面是它的表达合乎人的心理逻辑，便于进行知识的获取，利于人们接受。利用框架进行知识表达得到了越来越多的应用，这主要得益于以C语言为代表的面向对象的编程技术的兴起和普及，C语言对面向对象的数据结构极为支持，而框架正是一种面向对象的数据结构。

在诊断推理方面，主要表现在对推理逻辑和推理模型研究上。在人工智能领域，存在着许多推理逻辑，比较著名的有模态逻辑和动态逻辑、3值逻辑、直觉主义逻辑的类型理论、时态理论、面向非单调推理的语义理论及不精确推理等。模糊逻辑作为一种降低系统复杂性的方法近期在专家系统的推理逻辑中得到了广泛应用，比较成熟的有ZADEH的近似推理方法、DEMPSTER和SHAFER针对贝叶斯概率理论中先验概率难以获得而提出的证据理论等，国内的许多专家系统也对模糊逻辑进行了发展；对推理模型的研究则表现在如何对推理知识进行划分及控制，从而使推理过程更加有效。如DAVIS基于结构与功能的推理模型，GALLANTI 和FRINK提出的集成诊断模型，PENG的层次因果模型等。值得注意的是，最近有学者提出基于模型的知识库理论，这使得推理机制发生了根本改变，如神经网络模型、定性物理模型、可视觉模型等，这无疑给人工智能领域注入了新的活力。

柴油机故障诊断技术的现状及发展趋势

1.1国内外的研究现状

设备诊断技术是近40年来发展起来的一门新学科。它是适应工程实际需要而形成的各学科交叉的综合学科。设备诊断的历史和人类对设备的维修方式紧密相联。在工业革命后的相当长的时期内，由于当时的生产规模，设备的技术水平和复杂程度都比较低，设备的利用率和维修费用没有引起人们的重视，人类对设备的维修方式基本上是事后维修，即设备运行出现问题之后进行故障分析和维护。进入20世纪以后，由于大生产的发展，尤其是流水线生产方式的出现，设备本身技术水平和复杂程度大大提高，设备故障对生产影响显著增加。这样，出

现了定期维修，以便在事故发生之前加以处理。大约在20世纪60年代，美国军方意识到定期维修的一系列弊病，开始变定期维修为预知维修，即在设备正常运行过程中就开始进行监护，以发现潜在的故障因素，及早采取措施，防止突发性故障的产生。军方的这种主动维修方式不仅大大避免了灾难性的设备故障，而且避免了失修和过剩维修，经济效益十分显著。这种维修方式很快被其他企业所效仿。设备诊断技术很快发展起来了。

从科学发展的大环境看，设备诊断技术的产生也是各学科交叉发展的必然。20世纪40年代以来，人类的生产方式日益向大工业方向发展。在这种宏伟的社会大背景下，系统论，混沌学等纷纷诞生，尤其是控制理论出现了重大突破，产生了一系列现代控制方法。生产系统的庞大化和复杂化同时也暴露出了一些问题，即如何避免运行中故障的发生，这就要求有一门相应的诊断技术。同一时期，电子技术、尤其是计算机技术的发展，为设备诊断技术提供了必要的技术基础。20世纪60年代，快速傅里叶变换的出现，使诊断技术的发展产生了飞越。近年来，传感器技术的发展，信号处理的系列技术，各种滤波技术、谱分析技术、人工智能的系列技术如专家系统、神经网络等，以及其他技术在诊断中的应用，使设备诊断技术逐渐完善。

柴油机故障诊断常分为机械故障和性能故障两大类。相应的诊断研究也分为两类：针对柴油机的性能故障，主要采用的是性能参数诊断；针对柴油机的机械故障，主要采用油液监测技术和振声信号分析法。

A 基于性能参数的柴油机状态监测

柴油机性能检测及其研究的历史比较长，并且在改进柴油机的性能方面发挥了重要作用，这种方法是通过测定发动机的各种工作参数（如功率、转速、气缸压力、水温等）与其他正常工作状态下的参数相比较来分析判断发动机的工作状态。在这方面，德国、瑞典、日本、美国等国家的技术相对比较先进。这些国家的通用机械故障诊断技术比较发达，如信号处理技术、测振仪器仪表等。日本小松工程机械综合厂所生产的CDK799－200发动机检测仪，包括一系列仪器仪表，有气缸压力表、光电转速表、油压测定仪、数字式温度计、快速油液分析仪、简易烟度计、喷油正时测定仪等，通过测定发动机的温度、压力、速度等各种物理量对发动机进行不解体检测和诊断，判断设备状态，早期发现故障特征以及时处理。另外还有发动机漏气检测仪，用于测定发动机曲轴箱的串气流量，以便不解体判定缸套、活塞及活塞环的磨损状况。美国GE公司在他们制造的机车柴油机上安装了在线监测系统，此系统用不同类型的传感器来测量柴油机的曲轴箱压力、转速、水温、油温及油压等参数，从而实现对柴油机工作状态的监测。

我国近年来也加强了这方面的研究，如西安宏达微电子技术研究所研制的

MEK90－1型多功能柴油机工况自动监测系统，是以微机为主体的自动化监测系统，可对柴油机的气缸压力和转速，各部位的温度、油路、水温、液位及各项技术参数进行巡回检测和监控。

采用柴油机性能监测方法，当监测参数出现异常时，其中有些参数可通过调节来使其恢复正常。如果是因为零部件失效导致的异常，则需要由有经验的专家根据参数来判断具体是哪一部位出现了故障。

B 基于油液分析的柴油机故障诊断

随着摩擦学应用技术的发展，人们对油液监测分析技术的研究日趋重视，近年来，这一领域发展迅速。油液监测技术是通过分析柴油机机油的性能变化和携带的磨损微粒的情况，获得机器的润滑和磨损状态信息，评价机器的工作状态和预测故障，并确定故障原因、类型及零件技术。油液监测可以延长设备的换油期，并通过及时预报潜在的故障避免灾难性损坏或延长设备的正常运行时间获得经济效益。

20世纪60年代中期，产生了油液监测的颗粒计数法，这种方法可获得一个数字化的分析结果，用于评价机油的污染程度。70年代初期，铁谱分析技术问世并很快在机器的故障诊断中得到了应用。这一技术可以全面地分析机油中磨损颗粒的浓度、尺寸形状、形貌和成分，因而丰富了油液监测中磨损颗粒分析的内涵。80年代起，红外光谱仪被用来检测机油变质情况，尤其是傅立叶变换红外光谱仪的出现，更加促进了油液监测技术在这方面的发展。进入90年代，利用气相色谱和质谱仪测定润滑油的组成变化也有报道。

在基于油液分析的柴油机状态监测和故障诊断方面，美国、加拿大、日本及欧洲的一些国家已经较早地在实际中应用，并积累了相当丰富的经验，也开发了比较先进的测量仪器和分析仪器。例如日本小松制作的油质分析仪，包括取样、分析等一系列仪器，主要是利用了原子吸收光仪分析润滑油中所含无机物的变化，判断磨损部位及磨损程度。

我国于80年代开始这方面的研究，经过十几年的努力，虽然应用范围还比较小，但已逐渐进入实用研究阶段。例如北京铁路局把油液分析技术应用于柴油机车对柴油机状态的监控，通过对198台运行中的柴油机的监测，预报故障率在70％以上，取得了可观的经济效益。石家庄铁道学院应用油液分析技术对施工机械进行监测，也取得了成效。

人们在追求油液监测技术智能化的过程中，积极开发基于油液的故障诊断专家系统。80年代加拿大的Canadian Artificial Intelligence Products公司为加拿大太平洋铁路公司开发了一套柴油机润滑的专家系统（Diesel Lube Oil Expert System）。该系统包括光谱油料分析和油品理化分析数据，设计了与这两

方面数据有关的500余种规则，用以判断柴油机的磨损状态。此后，该公司又推出了功能更加强大的发动机诊断和维修系统（Engine Diagnosis and Maintenance System），用于解释润滑油光谱分析和理化指标分析的结果。我国西安交通大学针对柴油机的“拉缸”和“划瓦”故障，利用专家系统开发工具EXSYS，建立了基于铁谱、光谱、润滑油理化分析的柴油机磨损状态监测和故障诊断专家系统（FDESYS V1.0）,特别注重解决各类知识的合理匹配问题，整理了70多条诊断规则。

自铁谱技术产生以来，磨粒识别始终是分析人员借助显微镜观察来实现，分析结果依赖于分析人员的知识、经验的多少，因而具有一定的局限性。20世纪80年代初，自从Roylance 和Pocoek将图像处理方法运用于铁谱分析以来，不少学者对磨粒的计算机识别做了有益的探索。英国University of Sales 的Roylance和澳大利亚University of Western Australia的Kirk T B进行了长期的艰苦工作，取得了一系列的研究成果。1992年Roylance等人开发出计算机辅助微粒分析的CASPA专家系统，可以对磨粒进行系统形貌分析。1989年美国CARBORUDUM公司制作了一套铁谱分析软件系统（FAST系统）；我国许多研究单位，如清华大学、武汉交通科技大学、北方交通大学、西安交通大学都作了大量的研究工作，西安交大润滑理论与轴承研究所1990年推出了OLFI型在线式铁谱仪，东风汽车工程研究所也研制出了新型的ZX智能化在线铁谱仪，能有效检测到大于5μm的铁磁磨粒。

尽管磨粒识别这一研究方向吸引了众多的研究者取积极开拓，但是并没有取得突破性的进展，离实际应用还有很大距离。国内外研究的主要内容体现在：磨粒形态学参数测量、分形理论、小波分析方法的应用；计算机辅助视觉（CAVE）和激光扫描共焦技术（LSCM）的开发。

总的来说，油液监测技术主要适用于以液体或半液体润滑并以磨损为主要失效形式的零件设备。国内外实施油液监测技术所获得的经济效益推动着这一技术的不断发展与完善。对柴油机而言，不大容易确定故障的具体部位。比如对于多缸柴油机，当通过油液分析发现是气缸部位的故障时，但不好确定具体是哪一个气缸发生故障。

C 基于振声的柴油机故障诊断

国外用声振诊断技术来研究柴油机故障始于20世纪70年代后期，目前已经取得了突破性的进展，世界航运先进国家，如瑞士、挪威、日本、丹麦、德国、英国、美国已逐步将此项技术应用到船舶柴油机。1980年，RHLYON教授和痲省理工学院（MIT）的一些学者开始在发动机上作实验，并把结果与理论相结合来开发新的处理方法。美国1985年研制出机车柴油机故障诊断专家系统；英国一

些大学等开发出CPMPS（condition /performance mornitoring and predictive system for diesel engines）系统，其功能包括状态监测、故障诊断、性能优化、性能监测、预报维修。1987年研制出柴油机状态评价系统，NEUCE、该系统应用高级信号处理方法，从气缸外部机体上的加速度传感器采集的振动信号中提取信息，从而得到接近于振源发出的信号。该系统使用了快速傅立叶变换（FFT）技术，能够分析燃烧压力和柴油机其他零部件的冲击。1992年，GE公司运输系统部开始开发使用DEUCE技术的专家系统，该系统把温度、压力、转速等传感器技术与DEUCE的振动信号处理技术结合在一起。目前，已经能够诊断气阀与阀座冲击、燃油喷射故障以及活塞环断裂或过度磨损。Caterpiller Inc在用高速数据采集器来采集柴油机的振动、噪声以及温度和压力信号来研究柴油机的诊断问题。Commins发动机公司的工程师主要在应用灭缸实验法以及应用测功器和转速检测器来检测发动机的工作状态。目前国外的研究动向主要有：通过机体表面振动信号来识别柴油机气缸内的压力示功图；用瞬时转速推算缸内压力变化；利用时频分析、小波分析等新的信号分析与处理方法来柴油机表面振动信号。

我国从20世纪80年代初开始对往复式柴油机故障诊断进行探索性研究，武汉交通科技大学、海军工程学院、华中理工大学等高校及研究机构在利用声振技术诊断故障方面做了大量的研究工作。首先是海军工程学院利用气阀在开启和关闭时产生的冲击振动信号对气阀间隙异常与漏气的故障进行实验研究。主要是采用加速度计、测震仪、电荷放大器和光线示波器记录振动信号，但由于条件的限制只做了时域分析。根据振动信号的出现早晚，振幅大小、延续时间长短来诊断气阀故障。在柴油机故障及振声诊断方法的研究领域，工作比较突出的是武汉交通科技大学，周佚尘教授等大约从1985年开始研究。主要研究小型柴油机缸套传递特征，柴油机气缸套振动特性及激励分析，在不考虑相邻气缸间振动信号影响的情况下，利用加速度计、电荷放大器、磁带记录仪、信号分析仪等一起设备，对柴油机气缸套、机体等的振动特性进行了研究，达到利用表面振动信号诊断发动机缸的状态，提出了若干判断柴油机气缸套磨损及由于间隙过小造成拉缸的方法。如利用振动加速度总振级或时域信号的均值、方差、四阶矩等特征量来判断机器的工作状态的变化；利用频域信号如功率谱密度函数某些频率上幅值的变化来判断机器的工作状态。另外还对柴油机其他零部件如气阀、主轴承、主轴颈的状态判别作了研究，武汉交通科技大学研制出柴油机智能故障诊断仪DCM-2，可不解体诊断柴油机活塞——缸套磨损和气阀漏气等故障。西南交通大学的谭达明等对柴油机工作过程故障的振动诊断进行了基础研究工作，讨论了柴油机缸盖振动信号的时间特征和循环波动性，提出从缸盖振动信号中提取燃烧激振力及排气门落座响应的频率特征，认为将综合性故障诊断与零部件故障诊断相结合是可行