基于孪生网络的柴油机燃油喷射系统故障诊断研究.pdf
哈尔滨工业大学硕士学位论文
摘要
柴油机是汽车工业中重要的机械系统,其性能好坏关系到汽车行驶的安全
性,对柴油机进行状态监控,在其异常工作时,及时诊断出故障并进行维护保
养,是保障柴油机使用寿命和驾驶员安全的重要手段。因此针对柴油机开展故
障诊断研究具有重大意义。本文针对柴油机燃油喷射系统样本集数量匮乏、数
据集类不平衡以及复合故障诊断问题提出了以孪生神经网络为基础的研究方
法,以期在面对上述状况时,模型具备较高的准确率和稳定性。
针对柴油机燃油喷射系统获取大量带标签数据难度大、成本高的问题,开
展小样本故障诊断研究。提出融合注意力机制的孪生卷积模型。基于孪生网络
构造样本对,将多分类问题转化为二分类问题;在子网络特征提取模块添加注
意力机制层,提高模型的特征提取能力;引入残差结构,防止模型因为层数过
多出现性能退化的问题;通过贝叶斯优化的方法对模型的部分超参数进行优
化;最后利用柴油机燃油喷射系统真实采集的数据对模型进行测试,其诊断准
确率达到了85%。
针对柴油机燃油喷射系统存在不同故障发生频率差异较大的问题,开展不
平衡数据集下故障诊断问题。在融合注意力机制的孪生卷积模型基础上提出了
基于数据和模型的优化方法。利用合成少数类(SMOTE)方法对小类样本进
行数据扩充;将模型每次训练完成后输出的分类信息处理成惩罚项和误分类代
价系数分别添加到损失函数和样本比对函数中,使模型可以依据每次的分类结
果动态调整学习目标;最后设置不同的不平衡数据集进行测试,其结果表明本
文提出的优化方法比原始故障诊断方法和常用的不平衡处理方法具备更强的可
靠性和稳定性。
针对柴油机燃油喷射系统存在耦合故障及故障样本少的问题,开展复合故
障诊断研究。以融合注意力机制的孪生卷积网络的子网络为模型基础,提出基
于生成对抗网络(GAN)和基于迁移学习的多标签分类模型综合诊断方法。
使用GAN对原始数据进行数据增强;设计复合故障诊断的多维度标签;以
GAN增强后的数据对卷积注意力网络进行预训练,随后利用原始数据对网络
中的特征信息整合及分类模块进行二次训练,基于二次训练后的模型实现复合
故障诊断;最后利用燃油喷射系统的故障数据验证了本文提出的综合诊断方法
的有效性,其在测试数据上的诊断准确率达到了80%。
关键词:故障诊断;孪生网络;小样本数据;不平衡数据;复合故障
-I-
哈尔滨工业大学硕士学位论文
Abstract
Thedieselengineisanimportantmechanicalsystemintheautomotive
industry,anditsperformanceisrelatedtothesafetyofdriving.Monitoringthe
conditionofthedieselengine,diagnosingfaultsinatimelymannerduring
abnormaloperation,andperformingmaintenanceareimportantmeanstoensure
theservicelifeofthedieselengineandthesafetyofthedriver.Therefore,
conductingfaultdiagnosisresearchondieselenginesisofgreatsignificance.
Thisarticleproposedaresearchmethodbasedonsiameseneuralnetworksto
addresstheissuesofinsufficientsamplesets,imbalanceddatasets,and
compos