基于流形學習的柴油機振動故障診斷方法研究

潘永波

（大連漁輪公司，大連 116001)

基于流形學習的柴油機振動故障診斷方法研究

潘永波

（大連漁輪公司，大連 116001)

船舶柴油機是一個復雜程度較高的系統，其復雜性的構造和工作原理增加了其產生故障癥狀的復雜性和故障診斷工作的困難性。一般情況下，船舶柴油機故障原因和故障預兆間呈現出一種錯綜復雜的非線性關系，且在各個參數間也存在較強的非線性和耦合性，所以，診斷船舶柴油機故障，往往是順應船舶柴油的這一復雜性結構要求而采用非線性手段對其進行相應的故障診斷和狀態監測。流形學習法就是這樣一種方法。隨著流形學習算法被廣泛應用于機械故障診斷領域，其已成為我國模式識別研究領域中的一個熱點問題。但目前，流形學習在柴油機故障診斷過程中的應用還存在一定缺陷。本文基于流形學習的基本理論原理進行探討，并著重對流形學習法在船舶柴油機振動故障診斷方面的應用進行歸納和總結。

船舶柴油機 流形學習 振動故障 診斷

引言

船舶柴油機作為船舶動力的重要裝置，其能否正常運行對整個船舶有直接影響，船舶柴油機一旦發生故障，如果得不到及時處理，將會給整個營運過程帶來重大損失，甚至還會危及人們生命財產安全。對船舶柴油機進行故障診斷和狀態監測，能及時發現船舶潛在的隱患，并采取有效措施避免隱患發生，極大地降低了柴油機的故障發生率，從而有效保證柴油機正常運轉，同時，對節省維修費用和避免重大事故等也具有深遠意義。

1 流形學習的基本概念

流形學習主要是以微分流形、拓撲學和變分學等為理論基礎，用來描述所有事物的空間存在形式。流形學習的實質是從豪斯多夫空間到歐氏空間的一系列映射過程。假設在豪斯多夫空間M中存在任意樣本a，均存在于鄰域U與n維歐氏空間中的某一特定子集中，那么就可以認為M屬于一種d維流形。流形學習的主要目的是：保證在拓撲空間中具有相近或相同屬性的高緯流形數據，降維到低維空間后，這些高維數據仍可保留相同或相近的屬性特征。目前，流形學習法雖然在一些圖像識別等基礎領域已得到廣泛應用，但在機械故障診斷方面還處在發展階段。現階段，機械領域對流形學習的研究工作也主要集中在弱沖擊的信號提取、噪聲的去除及狀態的識別和趨勢分析等層面。

1.1 弱沖擊信號的提取和噪聲的去除

柴油機系統，其結構特征之一就是復雜性程度較高，在加上測試環境的不穩定性，在柴油機振動故障的診斷過程中，或多或少地會受到機械運行噪聲的影響，消除噪聲干擾能有效保證柴油機故障診斷的精度，且還能及時發現早期故障特征，杜絕柴油機振動故障的發生。流形學習作為機械學習和模式識別的熱點之一，在弱沖擊信號的提取和噪聲的去除等方面發揮著重要作用。

1.2 狀態的識別

在柴油機的運行狀態中，多個指標參數之間都存在重疊，傳統方法不能完整地對復雜設備的運行狀態進行描述，因此，通過流形學習的優勢，有效地將多維的特征指標進行融合，同時，有效去除存在于指標間的冗余成分，保證準確提取設備運行狀態的有效特征，這已成為當前研究的熱點之一。

1.3 狀態趨勢分析

通過流形學習的方法，建立機械狀態預測模型，并和其他一些機械運行指標結合，有效完成了對設備狀態變化趨勢的描述，從而能更好診斷出柴油機振動故障的發生時間，同時還能更好地把握機械設備的剩余使用壽命。

雖然經過不斷的研究和實踐，流形學習法在柴油機等機械設備的振動故障診斷方面已經取得了突破性的進展，但還存在著某些不足，如流形學習法和柴油機振動故障信號間的匹配問題還有待改善，尤其是如何降低柴油機振動噪音以避免影響流形學習診斷的精確度，如何改進、完善流形學習算法，從而保證保留有效信息，等等，這些都需要后期持續完善。

2 基于流形學習的船舶柴油機振動故障診斷分析

2.1 概述

流形學習法屬于一種無監督降維的方法，具備良好的維數精簡功能，近年來，受到各方學者的高度關注。流形學習認為，存在于高緯空間的數據都具有一定的低維流形結構，通過流形算法對相應低維嵌入的求解，進而實現高維空間數據的低維轉化，并實現數據的可視化。簡單來講，流形學習就是透過現象來研究數據本質，挖掘數據的內在規律，進而實現數據維數的約簡。

2.2 船舶柴油機振動信號的指標特征分析

2.2.1 時域性特征

時域性特征指的是通過對柴油機振動信號的直接利用，來計算相關的結果，屬于一種最直接而又簡便的數據處理方法。對時域性特征指標的提取又分為無量綱型和有量綱型兩大類。在利用有量綱型的指標參數進行柴油機的狀態分析比較過程中，要嚴格保證柴油機運行參數和測點位置的高度一致性，否則分析的結果就不能準確說明問題。在利用無量綱型進行振動振幅分析時，其計算結果只和柴油機的運行狀態有關，而與其他運行參數無關，所以，一般情況下，對柴油機振動故障的診斷，都應用無量綱型的指標來進行分析對比。

2.2.2 頻域特征

對柴油機這一類別的旋轉型機械，具有十分復雜的振動信號，這也是由于柴油機振動故障的加深而引發其他部位共振導致的；此外，不同故障類型的沖擊規律也不盡相同。因此，利用時域指標，很難對其進行特性分析。而頻域性指標能更好地描述機械不同類型的故障沖擊規律，為現階段的柴油機故障類型和故障原因分析提供了一套行之有效的方法。

2.2.3 時頻域特征

傅里葉變化通常針對的是振動信號的全局變換，而無法對平穩信號的局部統計進行描述，而對故障診斷過程中的非平穩信號，隨著時間的變化，其統計特征也發生相應改變；此時，就需要同時考慮時域性和頻域性，也就是所謂的時頻域性分析。通常用到的時頻域分析方法有小波分解、短時傅里葉變換、希爾伯特變換等。

2.3 基于流形學習法的船舶柴油機故障診斷分析

船舶柴油機復雜的結構特性，也使其故障診斷工作呈現出復雜化的特點。一般情況下，船舶柴油的故障原因與故障預兆間呈現出的往往是一種毫無規律的非線性關系，這也直接加大了對船舶柴油故障診斷工作的難度。流形學習法屬于一種基于統計學理論的故障處理方法，能有效處理傳統方法不能處理的非線性關系。該方法在處理非線性關系過程中的基本思路是將處在高維特征空間的數據關系，通過一定的函數關系，成功將其映射到低維空間中，然后再描述其非線性的數據關系。流形學習法經過近幾年的發展和應用，在取得顯著成果的同時，也逐漸成為一大熱點研究內容。流形學習法憑借自身特有的優勢，在解決小樣本、高維模式識別和非線性等多項常規方法不能解決的問題中發揮出了重要作用，因此，流形學習法在船舶柴油機的振動故障診斷過程中較為適用。雖然基于流形學習法的船舶柴油機故障診斷技術現在還只是處在起步階段，但根據其應用成果來看，該技術具有較強的實用性和可行性。相信隨著技術的不斷進步，基于流形學習法的故障診斷技術在船舶柴油機故障診斷工作中將會取得更為廣泛的應用，將發揮出更大的實際效果。

3 結語

本文介紹了流形學習方法的基本原理，并在此基礎上提出基于不同維數的流形學習算法。對柴油機振動故障診斷過程中的參數指標的時域性特征和頻域性特征及時頻域性特征進行分析。經研究發現，流形學習方法在船舶柴油機故障診斷過程中具有重要作用。但同時，當前的船舶柴油機故障診斷中的流形學習法還處在起步階段，在某些方面還存在一定的缺陷和不足，還需要后期不斷地進行研究改進。

[1]蘇祖強，湯寶平，姚金寶.基于敏感特征選擇與流形學習維數約簡的故障診斷[J].振動與沖擊，2014，（3）：70-75.

[2]王冠偉，張春霞，莊健，等.流形學習在機械故障診斷中的應用研究[J].工程數學學報，2012，（4）：593-599.

[3]郭江華，侯馨光，陳國鈞，等.船舶柴油機故障診斷技術研究[J].中國航海，2005，（4）：75-78.

[4]盧志美，曹熙武，梁進奕，等.柴油機智能故障診斷技術及其發展趨勢[J].裝備制造技術，2010，（1）：107-109.

Study on Vibration Fault diagnosis of Diesel Engine Based on Manifold Learning

PAN Yongbo
(Dalian Fishing Vessel Company, Dalian 116001)

Marine dies el engine is a complex s ystem with a high degree of com plexity, and the com plexity of the s tructure and working principle of m arine dies el engine has increas ed the complexity and difficulty of fault diagnosis. Under normal circumstances, t here is a complicated nonlinear relationship between marine dies el engine fault and fault warning, and there is a s trong nonlinear and coupling among the various parameters, so that the fault diagnosis of marine diesel engine is often the fault diagnosis and condition monitoring of the ship diesel engine. Manifold learning method is such a method. With manifold learning algorithm is widely used in the field of mechanical fault diagnosis, it has become a hot is sue in the field of pattern recognition. But at present, there are s ome defects in the application of m anifold learning in the pr ocess of fault d iagnosis of dies el engine. In this paper, the basic theory of manifold learning is discussed, and the application of manifold learning method in vibration fault diagnosis of marine diesel engine is summarized and summarized.

marine diesel engine,manifold learning,vibration fault,diagnosis