基于模糊聚類分析的柴油機振動故障自動診斷研究

摘 要：柴油機作為一種典型的往復式動力機械，由于其復雜的結構特點使得其故障診斷和狀態參數的檢測具有相當大的難度。基于這一現狀，本文對模糊聚類分析在柴油機故障診斷中的應用進行了探討，這一技術手段的應用給柴油機故障診斷工作提供了極大地便利，同時該方法也具有較高的準確性。另外，在普通模糊聚類分析的基礎上，對模糊C值理論基本原理進行了分析，并總結了參數的選擇對聚類結果存在的影響，并對模糊聚類方法的有效性應用進行了探討。

關鍵詞：模糊聚類；柴油機；故障；自動化診斷

DOI：10.16640/j.cnki.37-1222/t.2015.22.034

0 引言

柴油機作為船舶系統的中的一項重要的動力設備，由于長期工作條件的惡劣性，極容易發生故障，而且對柴油機故障的檢測一般又極為的復雜，存在較大的工作量，一旦對于出現的故障問題不能夠及時的診斷和修理，那么就很有可能導致更嚴重的事故發生，對人們的生命財產安全以及海洋環境帶來嚴重的危害。所以，做好柴油機的故障診斷工作，提高柴油機的使用安全，對于節約維修費用，保證人們生命安全，降低環境污染等多方面工作具有重要的意義。另外，由于船舶柴油結構的復雜性程度較高，傳統的故障診斷技術已經無法滿足其要求，近些年隨著計算機人工智能化的發展，借助于模糊邏輯和神經網絡等人工智能技術的計算機故障診斷方法逐漸的投入到柴油機故障診斷中來，同時這也成為了柴油機故障診斷研究一個重要方向。

1 模糊分類分析的基本知識

聚類分析作為一種新型數學分析方法，在近幾年取得了快速的發展。該方法的主要手段就是對被分析對象進行了合理的分類。比如在地質勘探領域，通常也都是根據礦石的形態進行基本的分類；而在地震預測工作中，以震前的各種預兆性指標為依據，對地震的時間段和等級進行了分類；在氣象學中是根據天氣形勢進行了分類。

我們把所考察的、需要進行分類的對象稱之為樣本。為了保證分類的合理化，就需要將樣本多方面的性質數量化，而這一種樣本數量化的性質又稱之為樣本的指標。若該樣本存在m個樣本指標，那么就可以利用m維的空間中一點來對樣本進行必要的描述；如果有n個樣本，每一個樣本都存在m種樣本指標，于是可以將樣本列成如下表1形式：

在上表中，Xi，j表示的就是第i個樣本中的j個樣本指標。

為了有效地確定各個不同樣本之間的關系，通常會用到以下兩種量來表示樣本之間的相似數：

相似系數ri，j-----表示的是樣本之間相似程度，其數值越接近1，表示樣本相似程度就越高；

距離d-------將每一個樣本都看做是m維空間中的一點，d表示的就是在該空間內，不同點之間的距離。與現實距離一樣，距值越小，則說明樣本間的差異性就越小。

將相似程度比較大的樣本歸為一類是聚類分析的基本思想，但其中可能存在的問題就是，預先可能并不知道具體的應該劃分為幾類，也可能是之前已經確定好了劃分的類別。根據兩種不同的前提條件，又將聚類分析分為了動態聚類分析和系統聚類分析兩大類。

1.1 系統聚類法

該方法具體可以劃分為三大步驟：

求得各個樣本之間的距離，將距離最近的兩個樣本歸為一類；

定義不同類別之間的距離，將距離最近的兩類合并歸納為新的一類；

反復進行上述步驟2），促使不同類別之間的不斷合并，最終將所有的樣本種類歸納為一類；至此，聚類分析結束。

1.2 動態聚類法

由于系統聚類分析法利用的是一次行程的結果，對分類方法也有著較高的要求，同時也造成了極大地計算量，針對這一種現狀，動態聚類分析法得以提出。動態聚類分析法預先對不同樣品的進行一個粗略的分類，也被稱為初始分類，然后根據樣品種類基本原理進行不斷的修改和優化，直至結束。

2 模糊C均值聚類

2.1 模糊C均值聚類分析原理與步驟

（1）原理分析。在模糊C均值聚類分析法中的C，指的就是將不同的樣本具體劃分為了C類，各個樣本也在一定意義上都隸屬于C個不同維度的空域。用Ui，j表示第i個樣本隸屬于第j個空域，其中Ui，j要滿足一下條件：

1）Ui，j的具體數值要在0和1之間；

2）每一個樣本在全部聚類中心的隸屬度之和應為1；

3）每一個聚類中心的樣本數值應在0和總樣本數量n之間；

模糊聚類C均值算法的基本出發點就是對目標函數的不斷優化。

（2）模糊C均值聚類分析法的基本步驟。1）模糊C值的確定，完成對不同樣本的初步分類。利用模糊傳遞閉包法預先對不同樣本的進行初次的組合，從而得到一個原始的隸屬矩陣，進而初始矩陣得以確定。其具體步驟如下：①樣本矩陣的初始化，通過極值標準化公式將所有數值都壓縮到0和1 之間；②模糊關系矩陣R=（ri，j）的確立，其中ri，j為相似系數；③通過平均方法求得模糊等價關系矩陣；④通過采用λ-截矩陣法進行分類，其中λ是等價關系矩陣中的隸屬度；依據不同的隸屬度對等價關系矩陣做λ-截矩陣之后，所得到的結果同樣具有等價關系，并得到了一個λ水平的矩陣分類，進而實現了將樣本成功的分為了C類；2）大致分類完成后，再對分類結果進行精確聚類分析。

2.2 模糊C均值聚類的有效性分析

對數據進行聚類分析，首先需要的就是提前給定所分析數據的具體類別數。然而在實際的分析過程中，由于這方面理論依據的缺失，常常造成了一種類別確定的任意性，這樣也直接導致了錯誤的分析結果。為有效地解決這一問題，從而引入了判別系數來完成對模糊聚類法有效性分析。

（1）劃分系數F，經過分析，F值越接近于1 ，其聚類效果就越好。

（2）劃分熵H，表示的是聚類分析的不確定性，其中H值越大則說明類別劃分的不確定性就越大；

此函數僅和C個封閉球的分離性和緊致性有關，這兩大因素有分別由Ci，j和ri，j體現。

3 基于模糊聚類法的船舶柴油機故障診斷機理分析

船舶柴油機由于其復雜的結構，而且導致其發生故障的原因種類也比較多，相對應表現出來的具體癥狀以及故障之間的船舶機理和相互作用也都很復雜，所以實現建立起一個整機的診斷模型就顯得十分困難。經過對故障系統的分析發現，出現的故障具備了層次性的特點。柴油機的整機系統通常都是由很多的子系統組成的，于是我們將這一主系統分為了若干個子系統，如：廢氣渦輪增壓系統，燃油系統，冷卻系統以及傳動系統等多項子系統。以上各個子系統中的故障，都會嚴重的影響到船舶發動機的正常使用，因此在故障診斷過程中我們采用了層次診斷的方法。

廢氣渦輪增壓系統作為船舶專用柴油機的子系統，由于故障使其其性能的下降也嚴重的影響到了整個柴油機的正常性能和整體的可靠性。

當柴油機中發生了渦輪增壓系統故障時，通常情況下，經驗豐富的維修師會根據自己多年的經驗以及柴油機柴油機的運行參數對故障原因進行專業的分析和判斷，通過分析找出故障的原因并進行相應的故障處理。這種故障處理方式一般情況下也只是適用于故障發生之后才能進行相應的處理工作，而且對維修人員的專業性要求也比較高。而本文提出了模糊聚類分析法是通過對之前發生的故障信息，包括故障征兆和故障現象，在故障發生之前先對其進行必要的分析，將柴油機渦輪增壓系統的所有故障通過神經網絡良好的學習力將其有效的整合成為一個數據庫。工作人員只需要通過這個數據庫向神經網絡輸入幾個能夠對系統的正常運行產生影響的參數就可以準確的把握柴油機后期的運行狀況。

4 結語

由于柴油機結構的復雜化，也導致了故障原因的多樣化。即使是同樣的故障癥狀，也很有可能使多種故障原因所造成的，或者同一種的故障原因通常也會造成多形式的故障癥狀。面對這樣一種情況傳統的故障診斷方法就受到了極大地制約。本文中，提出了一種新型的故障診斷方法，模糊C均值聚類分析法，以船舶柴油機故障和故障對應的癥狀的特征，以及兩者之間的親疏度和相似程度，利用相似關系的建立來有效的進行了柴油機故障的診斷和檢測，通過現實實例研究表明：模糊聚類分析法在柴油機故障診斷過程中是一種行之有效的方法，其診斷結果具有極高的準確性，值得在進一步的應用和推廣。

參考文獻：

[1]曹龍漢.柴油機智能化故障診斷技術研究[D].重慶大學，2001.

[2]王志華.基于模式識別的柴油機故障診斷技術研究[D].武漢理工大學，2004.

[3]馮二浩，潘宏俠.基于模糊聚類分析的柴油機故障診斷研究[J]. 機械管理開發，2010（01）：25-26.

[4]孟憲堯，韓新潔.基于模糊聚類算法的船舶故障診斷技術[J]. 艦船電子工程，2006（05）：118-121.