基于KNN算法的柴油機故障診斷方法研究.pdf

1、柴油機作為一種重要的動力機械，廣泛的應用在國民生產(chǎn)的各領(lǐng)域中。柴油機是船舶設備中主要的動力來源，其運行狀態(tài)直接決定了船舶的安全運行。然而，由于柴油機本身具有工作環(huán)境惡劣、零部件數(shù)量繁多、運動過程復雜等特點，在運行時容易發(fā)生各類故障。一旦發(fā)生故障，往往會影響柴油機工作狀態(tài)，造成巨大的經(jīng)濟損失，甚至造成人員傷亡。因此，開展柴油機故障診斷技術(shù)的研究有著重要的意義。本文以D4114型柴油機為研究對象，應用BOOST軟件建立了柴油機仿真模型，對柴

2、油機壓縮比變化、噴油提前等典型故障進行了仿真分析，研究了基于KNN算法的柴油機故障診斷方法。
　　首先，通過對柴油機工作過程仿真的分析，確定了柴油機性能仿真和故障診斷的研究策略。建立了D4114型柴油機的AVL BOOST仿真模型，通過模擬柴油機不同工況的運行狀態(tài)，與實驗數(shù)據(jù)相對比，驗證了模型的準確性。
　　其次，應用柴油機仿真模型對壓縮比降低、噴油定時故障、單缸供油不均、增壓器效率下降、進氣氣門間隙增大、排氣氣門間隙增大、

3、曲軸箱竄氣等8類典型故障進行了故障模擬。通過數(shù)值定量分析，得到不同故障及不同故障嚴重程度下8個熱工參數(shù)的變化規(guī)律，構(gòu)建了熱工參數(shù)對不同故障類別的故障集。
　　最后，分析了 KNN算法應用于柴油機故障診斷的可行性。針對 KNN算法對故障樣本集依賴性較強、分類速度慢等不足，提出了改進的KNN算法。以MATLAB軟件為平臺設計了基于改進KNN算法的故障診斷程序，得到了待檢測故障樣本與故障樣本集的距離，以及待檢測樣本對應每種故障類型的概率