柴油发动机燃油系统故障诊断与处理研究

黄福撑

【摘  要】现代科技水平的提升使得柴油机系统变得更加复杂，功能完善性不断提升。如果某一个环节或是某一个零部件出现故障之后会直接关系到柴油机系统的安全性和可靠性。对于柴油发动机燃油系统来说，其内部结构复杂而特殊，对于系统的故障诊断工作能够有效地推进可靠性评价工作的落实，为故障诊断提供理论依据与技术基础。

【关键词】柴油发动机;燃油系统;故障诊断与处理

0.引言

系统的可靠性研究本身成为工业领域的研究重点，而在现代化生产发展要求的背景之下，设备的结构变得更复杂，自动化程度更高，会有更多因素会导致设备故障降低其预期功能，产生潜在的经济损失或其它技术缺陷。确保设备的正常运行避免重大安全事故势在必行，因此对于机器设备运行状态的判定和研究也需要从结构和组成的角度进行故障诊断和故障处理。

1.故障诊断与处理的有关内容

1.1 故障诊断技术研究

故障诊断指的是对被诊断设备进行识别与分析，判断故障的程度和影响等，包括系统是否还具有维修价值，从而确定检测设备的状况和故障类型。在此基础上还可以完成必要的信息获取过程。我国对于柴油发动机等内燃机的系统故障探索性研究时间比较晚，但随着现代社会自动化程度的提升，故障诊断与处理开始从被动维修转变为预判维修。从流程来看，需要先选择合适的测量方法和测量位置，再选取特征信号按照特征信号进行状态判定，分析特征信号和设备之间的联系后，最后对设备运行状态进行总结。整个诊断过程划分为三个阶段。

第一阶段是信号采集阶段，借助检测仪器完成对于目标特征值的检测，然后利用传感器将系统状态信息转变为电信号，提取之后应用于数据处理设备当中，用于开展系统诊断。而是否能够对系统状态进行诊断是十分重要的工作环节，因此可选择某些水平更高的传感器来保障诊断水平。

第二阶段则是信号提取与信号处理阶段，即从信号当中提取最能够反映出设备故障信息的特征参数用于故障诊断，从传感器混合输出信号中提取和筛选，然后对比设备在正常运转时的信息以进行状态检测，我们熟悉的神经网络分析就是该阶段经常使用的技术手段。

第三阶段则是故障类型判断，按照机械知识和维修实践经验对设备状态作出判定之后作出维修方案，其中最为重要的内容在于确定系统参数和故障诊断信息，以诊断系统和故障方法等相关的知识作为辅助内容。现阶段人工智能和神经网络相关的内容也取得了稳定的效果，使得诊断系统的开发研究工作更加深入和专业。

2.柴油發动机燃油系统的故障诊断

2.1 燃油系统喷射过程

燃油系统作为柴油机的主要组成部分，如果燃油系统的某个区域出现故障，那么燃油系统当中的很多参数会发生转变，集中表现为压力波形图的状态、波形参数值改变等，对于压力波形图的分析结果可以让我们提取出对应的故障特征信息判断燃油系统处于怎样的工况以达到故障诊断的最终目的[1]。整个系统划分为低压油路与高压油路两个部分，部分柴油机还会安装附件完成柴油的储存、过滤等。

在油自身的重力作用下油进入低压油路之后通过加压，让高压油管进入喷油器雾化后进入燃烧室，这一喷射过程实际上是喷油泵和高压油管的配合工作过程，在短短的时间内可以让高压油管的压力迅速上升，而压力变化之后燃油本身的可压缩性也让油管的弹性变形特征显著，压力波在高压回路内的传快速度让喷射过程更加复杂。

2.2 压力波数据分析

由于柴油机燃油系统状态信息在压力波形当中会得到体现，如果燃油喷射系统出现问题后原有的供油状态也会因此而发横改变让各类参数发生变化，例如波形形态或是波形参数值等。在综合专业领域的知识分析结构之后可以判断燃油压力波形的周期性特点，以采样分析来获取波形结构，各个特征参量之间的集合物理意义也可以被用于符号化的波形分析。

使用高压油管压力波形展开故障诊断的过程当中一般会使用两种方法，一种是内接式，另一种则是夹持式，前者是把压力传感器直接串联在燃油喷射系统的油腔之内，直接对油腔之内的压力波动进行测量，但这种方法本身涉及到对于高压油路的改装过程。后者则是直接利用在高压油管的传感器来测量出膨胀量等参数来体现出油压波形特征。

根据燃油系统的特征可以对特征谱信息进行分析反映出整体工况特点，确保信号提取环节的可操作性。具体来看要选择那些路径最短的区域来确定设备的运行要求。在不影响传感器测量精度的前提之下，应多设置测量部位和检测点。

3.故障诊断与处理技术

3.1 基于BP神经网络的故障诊断

BP神经网络算法简单而有效，在当前的工程领域得到了广泛应用，而且具有很好的效果，以误差的反向传播来调整神经网络的权值与阈值，让网络的误差平方和最小，其拓扑结构当中也包含输入层、隐层以及输出层。其中输入信号正向传播和误差信号反向传播是BP神经网络算法的两个基本方面，其中正向传播是从输入到输出的顺序进行，反向传播则是从输出到输入反向进行。综合来看该故障诊断方法采用非线性规划当中的最快速率下降方式按照误差函数负梯度方向修改权值和向量，但需要考虑到网络结构的优化选择和收敛速度问题，在实际应用过程当中可以考虑自适应调整学习速率来减少学习时间[2]。

在故障诊断方面，以BP神经网络完成对于已知故障征兆样本集的训练让网络达到预设的诊断精度获得故障模式。将需要检测的样本输入至已经训练完毕的BP神经网络当中之后可以与标准故障模式展开对比得出诊断结果和故障类型。通过故障诊断过程获取信息数据之后，就可以让结果和实际情况相互吻合，例如判断是否出现哀难了针阀泄漏、出油阀失效等。由于某些比较小的差别并不会引起油压波形的显著改变，但通过神经网络进行是被之后就可以让诊断模型更加智能化提升故障的识别和分析能力，即便是在复合型故障产生后也可以进行有效识别，获取良好的样本数据来支持故障分析环节[3]。

3.2 基于SOM神经网络算法的故障诊断

神经网络具有良好的映射能力，并且可以通过非线性模型来进行故障诊断，对实际过程参数值进行偏差调整，利用神经网络的建模力来解决某些复杂问题，从而更好地提高诊断效率和诊断效果。而基于SOM自组织特征的映射神经网络可以突出训练过程当中的自动性特点来提取数据当中的某些重要规律信息，在输入层完成故障识别。按照竞争学习原理可以建立学习算法和网络模型，并且展开网络样本设计与训练测试，最后对结果作出判定得到故障的基本规律条件。

4.结语

随着未来智能检测手段技术的进一步发展，在柴油发动机燃油系统故障的诊断过程当中可以充分利用人工神经网络的优势所在做好学习和训练，输出机械的工作状态信息，将这些信息与历史故障信息做好对比。这样一来可以确定系统故障产生的部位与原因，并且完成对于故障的初步诊断和后续紧密诊断，对系统工作过程做出说明并建立有关的模型，精确定位故障采取处理措施。

【参考文献】

[1]仝兆景，石秀华，王文斌，等.柴油发动机燃油系统故障诊断研究[J].机械与电子， 2013（08）：28-31.

[2]王金鑫，王忠巍，马修真，等.柴油机燃油系统多故障的解耦与诊断技术[J].控制与决策， 2019，34（10）.

[3]于洋，华树明，王向军.核电厂18PA6B柴油发电机组低压燃油系统增压泵频繁启动问题分析处理[J].装备维修技术，2020，175（01）：95-96.