工程机械柴油机故障诊断技术

柴油机的结构比较复杂，零部件及辅助器件较多，维护和检修工作比较繁琐。本文介绍几种工程机械柴油机故障诊断技术，供大家参考。

维修工在维修

1.传统诊断技术

在长期的工程实践中，所认知的柴油机出现故障的部位及故障形式种类繁多，具体原因和排除方法也不同。从技术路线和实施手段来看，柴油机传统的故障诊断通常采用热力参数监测、磨粒监测和声振监测等技术手段进行。

(1) 热力参数监测

热力参数监测是利用柴油机工作时热力参数的变化情况，来判断其工作状态。柴油机转速的波动因曲轴扭矩波动引起，因此扭矩波动与柴油机各缸点火有关，故检测和研究转速的波动，可以估算缸内做功压力，并据此进行有关的故障监测。

(2) 磨粒监测

磨粒监测主要是对柴油机润滑油油样进行检测分析，采取综合利用油品化验、铁谱分析、光谱分析和含铁量检查等手段，诊断柴油机的摩擦副是否发生异常磨损，以判断柴油机零部件的摩擦情况及故障状态。

(3) 声振监测

声振监测是通过对柴油机异常声音、噪声及振动冲击的监测，综合观察油压和温度，诊断柴油机是否发生故障，并判定故障产生的部位。

2.现代诊断技术

在内燃机故障诊断技术中，振动、流量、压力和热力信号是主要因素；尤其是振动信号，包含着丰富的设备运行状态信息，而且信号参数易于拾取，便于在不影响设备运行的情况下，实现在线监测和诊断。在柴油机的故障诊断工作中，逐渐发展起来的技术手段主要有以下几种模式：

(1) FFT分析

该模式通过磁带记录仪记录振动信号，并输入专用FFT（快速傅立叶变换）分析仪进行频谱分析。近年来，信号处理技术的发展为故障诊断的分析手段提供了更多选择，如时域分析包括波形分析、相关分析、时域滤波、时域平均、包络分析、小波分解、时间系列建模、轴心轨迹分析等；频域分析包络FFT幅值谱、相位谱、AR谱、全息谱分析等；时频域分析包括Wigner分布、短时FFT谱等。

(2) 计算机辅助监测分析

随着计算机技术和信号处理技术的飞速发展，柴油机故障诊断技术的现场实施已更多地应用计算机，从设备状态信息采集、信号分析、数据库管理以及诊断结论的获得均由计算机完成。

(3) 网络化监测诊断

在网络系统构成上，充分利用企业现有的故障诊断信息资源，所监测的参数不再只局限于振动、声波、轴位移等，而是进一步扩展到影响设备运行状态的油气流量、温度、压力等。

在故障诊断理论研究方面，小波分析已成热点。它克服了传统傅立叶变换缺陷的时频分析方法，能采用多重分辨率，刻画信号的局部瞬变特征，已广泛应用于信号处理、图像压缩、模式识别和非线性分析等相关领域。

近几年来，出现了模糊控制、故障树分析、专家系统、人工神经网络等新技术。这些新的技术理论使工程机械的状态监测和故障诊断向系统化和智能化方向迅速发展，而且提高了诊断成功率。

在监测诊断系统的软、硬件配备方面，软仪表技术成为最新研究热点。软仪表技术用于故障诊断时，包含了传统仪器所有信号的采集与控制、信号分析、结果输出与显示等功能，使传统仪器的大部分硬件甚至整个仪器都被软仪表取代。

图1

3.人工神经网络故障诊断技术

人工神经网络是模拟人脑结构的一种非线性动力学网络系统，具有大规模综合处理信息的能力，并有极强的容错性和自学习功能，能映射高度非线性未知系统的输入、输出关系。

基于人工神经网络的柴油机故障诊断，分以下3步实现：

第一步：通过实验获得给定工况在设定故障和无故障状态下的过程参数，经预处理提取故障征兆集数据，归一化为网络输入模式。

第二步：建立人工神经网络系统，使用已知故障征兆—故障模式的样本集训练网络，使其达到预设的诊断精度，得出标准故障模式。

第三步：实时输入故障征兆向量进行测试，获得该状态下的网络输出模式，然后对网络输出进行后续处理，再与标准故障模式进行对比，获得诊断结果，即故障类型。

柴油机检测试验数据采集系统如附图所示。从故障诊断的角度看，信息融合的实质是对监测系统的多源信息和数据进行多级处理，以求最大限度地利用系统知识及现有的检测数据所提供的信息，进行故障诊断。这种检测系统能够发挥出信息融合的优势，提高诊断的准确性和可靠性。

(作者地址：天津雅安道金平路10号  华侨创业大厦  300113)