船用中高速柴油机气阀组件智能故障诊断研究.pdf

船用中高速柴油机气阀组件智能故障诊断研究

摘要

船用柴油机是船舶主要的动力装置，气阀组件是柴油机的核心部件，但由于长时间处

于高温、高负荷、强冲击的工作环境，极易产生故障，并且一旦发生故障，将影响柴油机

工作性能及经济性，甚至引发重大安全事故。因此，柴油机气阀组件故障诊断研究具有重

要意义和应用价值。本文以额定转速1550rpm的船用中高速柴油机作为研究对象，从船用

柴油机智能故障诊断的需求出发，基于缸盖实测的振动信号，对柴油机气阀组件故障诊断

方法开展深入研究，研究工作包括以下方面：

（1）搭建船用中高速柴油机实验平台和远程监测平台，开展故障模拟实验，并完成

采集信号的远程传输和状态的远程监控实验。采集三种典型故障和正常状态下的柴油机振

动信号后，分析实测振动信号在时域、频域、时频域上的特点，应用t-SNE算法对振动信

号的分布情况进行可视化研究。

2

（）以振动信号数据为状态特征信号，提出基于注意力机制的柴油机故障多源信号

融合方法。多源信号融合实验结果表明，该方法不仅能完成气阀组件故障诊断任务，并且

多源传感器信号数据融合技术较好地提升了故障诊断性能。

3

（）由于柴油机振动信号是非平稳非线性的时序信号。为了进一步捕捉时间序列数

据的动态特征，通过在卷积神经网络提取一维时序信号的静态特征之后引入门控循环单元

层，构建一种融合了多源传感器信号数据和时间序列数据处理的高性能神经网络故障诊断

模型。抗噪性实验结果表明，该模型在强噪声环境下依然表现出色，故障诊断准确率高和

抗噪性能强。

（4）考虑柴油机气阀存在非常见的故障类型以及缺乏样本或类型的未知故障，引入

了零样本学习的思想，构建一种CNN-Transformer诊断模型。该模型通过两个不同神经网

络，在训练阶段将学习得到已知故障特征映射到属性空间，然后在测试阶段使用属性学习

器来预测未知故障的属性，最终通过阈值来衡量未知故障的所属类型。零样本实验结果表

明，该方法能有效地识别未知故障类型。

关键词：船用柴油机；气阀组件；故障诊断；多源融合；深度学习；零样本学习

I

ResearchonIntelligentFaultDiagnosisofValve

ComponentsinMediumandHighSpeedMarineDiesel

Engine

Abstract

Marinedieselenginesarethemainpowerplantofships,andvalvecomponentsarethecore

componentsofdieselengines.However,duetolong-termexposuretohightemperature,high

load,andstrongimpactworkingenvironments,theyarepronetomalfunctions.Oncea

malfunctionoccurs,itwillaffecttheworkingperformanceandeconomyofthedieselengine,

andevencausemajorsafetyaccidents.Therefore,thefaultdiagnosisstudyofdieselengineair

valvecomponentsisofgreatsignificanceandapplicationvalue.Inthisthesis,theMarine

mediumandhighspeeddieselenginewitharatedspeedof1550rpmistakenastheresearch

object,startingfromthedemandofintelligentfaultdiagnosisoftheMarinedieselengine,based

on