岳阳400KW上柴发电机组

柴油机的检测与故障诊断的展望

5.1  以人工智能技术为核心的智能化诊断

以专家系统、人工神经网络、模糊逻辑、进化算法为代表的人工智能技术代表了一种新的方法体系，其应用为解决故障诊断问题开辟了一条新的途径。尤其是柴油机结构复杂，导致故障原因种类繁多，随着柴油机的日益现代化，基于人工智能的诊断将是一个发展方向。

5.2  多征兆融合技术

柴油机是一个集摩擦学、热力学、动力学以及机械学为一体的复杂机械系统。它的不同故障特征信息具有不确定性。为能准确诊断柴油机的故障，比较合理的方法就是采用信息融合技术。多征兆信息可以是来自单个传感器，也可以是来自多个传感器，还可以是采用不同方法得到的其他特征信息。通过对征兆信息进行融合，从而导出新的有意义的信息。这种先分后合的信息处理方式具有强大的信息处理能力和智能决策能力，人们能够提高诊断的精度。在这其中信息论熵的相关理论、模糊理论和 D-S 证据理论、数据库等的融合是研究重点，也是一个发展方向。

5.3  基于统计理论的诊断

现实中许多工程应用和数理统计有着密切联系，如机械故障诊断中常用的特征指标如均值、方差、自相关函数等，都是依据统计概率得到的参数。针对实际监测中采样信号母体分布和样本统计量的分布形式无从得知的情况，1979年美国斯坦福大学统计系教授 Efron.B提出了 Bootstrap方法，通过将数字模拟与经典统计的结合来克服统计试验中小样本的缺陷，为故障诊断方法提供了一个新思路。

故障诊断的瓶颈之一是故障样本的缺乏。最近几年发展起来的支持向量机建立在统计学习理论的 VC维理论和结构风险最小原理上，其核心思想是使样本之间的分类间隔最大化。它能较好地解决小样本、非线性、高维数和局部极小点等实际问题，可在有限样本上获得与样本数量相适应的最优泛化能力，学习算法效率较高，并且巧妙地解决了维数灾难问题。可以预见 SVM 在柴油机故障诊断方面将大有可为 。

5.4  基于非线性动力系统的故障诊断

近年来，非线性动力系统理论获得了飞速发展，研究者开始尝试采用混沌系统、分形理论等进行故障诊断技术的研究，但目前尚有不少问题亟待解决，其中混沌特征量的选择和计算以及特征量与故障状态的映射关系等成为进行故障诊断的前提。这也是一个知识积累的过程。尽管该方法在柴油机故障诊断中的应用还只是刚刚开始，但由于该方法具有适用性广、灵活的优点，在故障诊断领域具有广阔的应用前景。它将极大地丰富故障诊断理论和工程实际应用。

5.5  基于仿真技术的故障诊断

由于柴油机故障样本的获取往往具有破坏性、偶然性和难以再现性并且成本昂贵，近年来基于模型的故障仿真技术成为了研究热点。通过建立故障诊断的仿真系统进行故障诊断可以大大降低成本和时间，为柴油机故障自诊断系统提供良好的开发和验证平台，但此方法往往需要结合一定的故障样本进行，建立的模型比较复杂且准确度亟待提高。

岳阳400KW上柴发电机组