摘 要

因为柴油机在机械动力这边这块的重要性，因为船舶在航行过程中的故障很可能造成巨大的危害，因此我们必须提高柴油机故障诊断的速度与精确度就显得尤为重要。随着现代社会的发展，科学技术的日益进步，动力机械的也快速的发展。本文以研究“聚类分析在柴油机的故障诊断”为背景，首先比较了柴油机的传统的故障诊断方法和现代的故障诊断方法，以及随着科学技术的进步，柴油机的结构组成复杂程度都都得到了提高，所以诊断技术的发展过程也要跟上发展的步伐。本文结合了前辈的经验和知识，使用聚类分析的算法，先从模型中取得在六种工况下的数据，分别是正常状态工况下和五种故障状态工况下的数据，方便后续的对比。Python是运行编程好的T-SNE与MLP的算法的软件，首先在Python中利用T-SNE来对从模型中运行出的数据进行降维聚类，后利用多层感知机MLP对降维后的分类的训练集和测试集进行运行识别，通过判断识别的正确率确认算法的可靠性，进而对以后故障进行更加快速准确的判断，对以后船舶柴油机的故障诊断有了重大的意义。

关键词：柴油机、故障诊断、Python、聚类分析、T-SNE、多层感知机、降维、

Abstract

Because of the importance of this part of the diesel engine on the mechanical power side, because the failure of the ship during the navigation process is likely to cause great harm, we must increase the speed and accuracy of diesel engine fault diagnosis is particularly important is particularly important. With the development of modern society, the progressive development of science and technology, and the rapid development of power machinery .This paper takes the research of "cluster analysis in fault diagnosis of diesel engines" as the background. Firstly, the traditional fault diagnosis method and modern fault diagnosis method of diesel engine are compared. With the advancement of science and technology, the structural complexity of diesel engine has been obtained. With the increase, the development process of diagnostic technology must also keep up with the pace of development. This paper combines the experience and knowledge of seniors and uses the cluster analysis algorithm to obtain the data from the model under six operating conditions. These data are the data under the normal condition and the five fault conditions, which is convenient for the follow-up. The contrast. Python is the software that runs the programmed T-SNE and MLP algorithm. Firstly, T-SNE is used in Python to reduce the dimensionality of the data running from the model, and then uses the multi-layer perceptron MLP to reduce the dimension. The classification training set and test set are used to identify the operation, and the reliability of the algorithm is confirmed by judging the correctness rate of the recognition, which is of great significance for the fault diagnosis of marine diesel engines to make quick and accurate judgement of subsequent faults.

Keywords: Diesel Engine, Fault Diagnosis, Python, Cluster Analysis, T-SNE, Multilayer Perceptron, Dimensionality reduction

目录

第1章 绪 论 7

1.1 研究目的及意义 7

1.2 国内外研究现状 9

1.2.1 故障诊断技术的发展 9

1.2.2 现代故障识模式识别诊断技术 11

1.2.3 传统故障识别与诊断技术 13

1.3 研究内容和技术路线 14

1.3.1 研究内容 14

1.3.2 技术路线 15

1.4本章总结 16

第2章 柴油机的故障概述 17

2.1 船舶柴油机的基本组成 17

2.2 船舶柴油机的常见故障及原因 18

2.2.1 船舶柴油机常见故障 19

2.2.2 故障产生原因 19

2.3 船舶柴油机工况的提取方法 20

2.3.1温度的提取 20

2.3.2振动信号的提取 21

2.3.3瞬时转速的提取 21

2.3.4示功图的测量 21

2.4本章小结 21

第三章 聚类分析(算法)在柴油机故障诊断的应用 23

3.1 聚类分析的介绍 23

3.2T-SNE聚类算法 23

3.2.1 T-SNE聚类算法介绍 23

3.2.2 T-SNE与PCA 27

3.3基于T-SNE聚类算法得出的结果 27

3.3.1故障参数的选取 27

3.3.2结果分析 28

本章小结 28

第四章 利用MLP进行数据处理 29

4.1 MLP 的介绍 29

4.2 算法的参数说明 30

4.3 结果分析 31

本章小结 34

第五章 结论与展望 35

参考文献 36

致谢 38

第1章 绪 论

1.1 研究目的及意义

随着现代社会的快速发展，现代工业技术与生产也必须跟上社会的节奏，而工业技术与生产的核心就是与其相关的机器设备的状态十分良好，这就要求机械设备的规模、各方面的指标性能、功能机构都朝着一个更大更复杂更全面的方向发展，它的运作方式是否正常通常与一个机械制造或者依靠机械生产的公司有很密切的关系，严重的可能会影响一个企业或公司的命运，而且有可能造成恶劣的社会影响。但随着社会科学的发展，机械设备的功能的更新与完善，它的结构变得复杂，部门之间配合的更加紧密，这也使可能发生故障的部位以及故障的种类变得复杂多样，也就是说可能一个小的隐患就可能造成不可预估的后果，即使在现在技术发展的比较先进的前提下，仍有因机械设备故障造成的大的事故，所以保证一个机械设备的安全运行是工业生产的必须条件，而这就牵着到下面要提到的故障诊断技术，当然完善这项技术也是国内外专家学者几十年来共同致力的目标。

随着社会的进步与发展，海上运输业正在蓬勃发展，所以人们对船舶的安全性能重视程度越来越高，以保证船舶中货物的安全运输和海员自身的生命安全。船舶系统非常复杂，大多数现代化设备都与机电系统集成，结构越来越冗杂，智能程度也随着进步。所以在工作过程中，更容易出现发生问题，出现问题后首先会造成经济损失，然后严重的会导致整个设备损毁而弃船乃至人员的死伤。由于它的复杂性，加上它的输入输出不能直观看到，所以难以用比较精确的手段。所以设计的神经网络为故障诊断方面提供了一种全新的解决方式。并行处理和应用等复杂系统而言，尤其是其高度的自组织和学习能力使其成为一种有效的诊断方法。因此，聚类分析被广泛应用于船用柴油机的故障诊断。聚类分析在船舶中的广泛应用可以有效的排除隐患，增加了船舶的安全性能和稳定性能，更好的服务于社会，对降低船舶维修费用，避免船舶重大安全事故中有重要的意义。同时，基于聚类分析的故障诊断的应用可以让轮机员实时掌握船舶柴油机工作状态，能够做到早发现、早解决，极大的降低了维修费用和提高了维修质量，让船员有足够的时间应对各种可能发生的情况，降低了不必要的资源浪费，是船舶柴油机管理方面的重大突破。

动力机械设备是工业生产的动力的转换装置，柴油机作为机械设备的代表。它在合个方面都起着重要的作用，被广泛应用于工业、农业、军事、建筑和交通运输等行业。它的许多部分和彼此关节都进行着复杂的运动和经历着恶劣的工作环境。目前，内燃机正在向高速运转，高功率的发展，这增加了发动机故障的可能性。柴油机在船舶行业的地位很高，主要是有以下几种优点：热效率高、管理性强、维护管理方便等。柴油机在船舶推进装置和发电设备中是最重要的机械设备，特别是在远离陆地的海上，缺少地面的技术支持，其安全可靠的运行对于保障船员生命财产安全，以及对于船舶和货物运输安全的就十分重要。一旦推进装置出现故障或者电力系统因故障而停电或停电，则可能发生船舶失事的悲剧。因此，如何在船舶上进行故障诊断技术和及时发现故障是一个越来越重要的问题。据中国铁路网对高铁动车的故障事故统计，2011年7、8两个月发生的因机械设备故障导致的大大小小的事故四十多起，其中包括列车断电，控制系统故障，信号问题等，最严重的的就是“7·23”甬温线铁路发生的重大交通事故。在航运业部门统计的海上事故中，机械故障的原因造成的事故发生率达到23％之多，位居首位，这其中导致机械故障发生事故的原因中主机故障比例为46％，因此船用柴油机的能否正常运行直接影响了航运企业的经济效益与船员的人身安全。

如何预防维护柴油机可能会发生的潜在故障已经成为当下最热门的课题研究，因为只有柴油机这颗“心脏”能够正常运行，才能确保船舶正常运转和人员安全。现阶段可以从柴油机本身入手，首先提高柴油机设备的工艺性能和质量，因为柴油机在正常运行中，会有一些零件发生磨损，如果不及时更换，会导致柴油机发生故障；然后完善柴油机的设计，因为结构的复杂性，导致了许多设备的复杂性，这些设备在安装的过程中会产生许多问题，完善柴油机的设计可以在一定程度上降低柴油机发生故障的可能性；最后就是船上的工作人员必须要精通船上重要设备的工作原理，只有精通每个设备的工作原理，才可以在第一时间找出故障发生的根源，及时解决故障。但是这些措施只能解决故障，并不可能完全避免故障发生的可能性。因此，唯有研究出一种可以诊断柴油机发生故障的技术才是解决问题之本。目前国家已经着手这方面的研究工作，在国家的长期规划中，已经将船舶的安全性、可靠性列为重点研究方向。

机械设备故障诊断技术是一门现代化的融合了多种学科的工程科学，它是通过对机械设备运行或静止状态下信号的采集，对信号的处理和分析，以达到对机械设备的判断和预报，最终识别对其状态的结果。下图1.1为故障诊断系统的过程

图1.1（状态识别监测流程图）

故障诊断技术其实质就是对机械设备的状态识别的过程，当然人们研究这个的意义在于，一是可以提高经济效益和社会效益，二是可以对机械设备的故障进行预防，三是可以不断推进故障诊断技术的进步，总之不论是工业工程，生产运输等社会的一些方面都有着不可或缺的影响。

1.2 国内外研究现状

1.2.1 故障诊断技术的发展

故障诊断技术作为一门新兴的综合性学科，也是无数国内外国家一大热门学科，在不断的研究推广和实际应用下，故障诊断的技术也在不断发展，为了不断的应对机械设备的更新换代，故障诊断技术也必须更进一步，跟上机械设备发展的脚步。

1961年，美国建立了机械故障诊断实验室，然后由NASA的提案正式启动了一个故障诊断研究小组，该故障诊断课题组的建立，加快了其这方面的研究进程。主要从这几个方面进行研究、故障机理的研究、检测诊断技术的研究、可靠性的分析的研究，并对机器的耐久性、可持续性等进行评估。这也是美国在尖端工业的方面一直处于世界顶尖水平的原因。同时期的英国为了追随世界发展的脚步，也成立了机械故障与状态监测协会，对机械设备的故障诊断进行研究。随后，日本还有一些欧洲国家也都对这方面开展了一定研究。因为柴油机的在各个方面的普遍应用，并且其本身的结构就十分复杂，而柴油机又是工业生产的重中之重，所以研究柴油机的专家学者就潜心对其故障诊断的技术进行研究。国内外的研究专家一直对其进行深度的研究，从柴油机的各个角度分析柴油机故障，甚至包括一些融合性的复杂故障等 ^[1]。对于柴油机故障诊断的研究发展的过程，基本上可以把柴油机故障诊断的技术发展分为三个阶段的过度，从经验化阶段到技术化阶段再到智能化阶段。

经验化阶段，最初的机械设备其结构组成比较简单，故障的种类较少和原因比较简单，那时候的诊断和维修主要靠维修工作人员的经验和一些简单仪表测量的结果来得出和解决。随着柴油机技术的快速的发展，其功能也更加完善，然而出现问题的点也越来越复杂多变，对于轮机人员来讲，分析柴油机故障也愈发困难。

技术化阶段，世界各个机械制造公司开始涌现出大量的技术，瑞士的Sulzer工业集团公司研制开发的SEDS系统（发动机诊断系统），德国MAN Bamp;W公司为代表研究发明的CCIO检查系统（关于柴油机工况检查系统），以及挪威DET MORSKE VERITAS公司研制开发的CMS系统（通过故障树的方法）。这些代表作核心是通过对柴油机工况诊断系统，对柴油机的各种参数记性自动的监控，利用传感器的技术，传到电脑上进行实时的监控。

智能化阶段，起始于二十世纪八十年代，各个国家的故障诊断技术研究团队开发了大量的柴油机故障诊断的智能系统，利用模拟计算技术、模糊逻辑技术、多媒体技术等的应用，使得柴油机故障诊断方面的技术又得到了更深层次的提高。

在国内，在七八十年代中期，国家也开始对故障诊断进行着手研究，通过一些高校和研究所研究机械故障诊断的工作，并大力提倡发展故障诊断技术，通过的维修制度的改革结合工程学的观点，寻找降低维修的周期和费用方法。随着技术研究不断进行，以及国外知识体系的传入，逐步加深对机械故障诊断的看法和认识，便对柴油机故障诊断开展了更加广阔的探究。80年代开始，计算机成为一种有效的检测和诊断手段，通过使用计算机进行有效跟踪和针对机械故障的附加诊断，国内外的计算机诊断系统正在积极开发并应用于实际设备。

1.2.2 现代故障识模式识别诊断技术

（1）基于模糊聚类的故障模式识别

冉翀主要应用模糊聚类算法进行燃气轮机故障诊断，对目标函数最小值和区间宽度加入权值进行修正，提高分类准确性^[2]。王志华通过分析了不同参数对模糊聚类结果的影响，从而应用模糊聚类诊断内燃机故障^[3]。王军辉等将EEMD分解、奇异谱熵以及模糊C均值（FCM）聚类相结合进行齿轮箱故障诊断，并通过试验进行了验证^[4]。尹朝东利用缸盖的振动测试信号，通过引入遗传算法和改进聚类效果判决因子的方法，实现了对柴油机的故障诊断^[5]。

Tao X等人通过对正常和故障状态的振动信号进行小波包分解处理，采用了聚类分析来表述其特征参数的聚类性，用马氏距离来诊断柴油机故障^[6]。Zeng R等用FCM聚类的方法，通过迭代计算得到标准聚类中心，实现对曲轴轴承的状态监测^[7]。H.K.Alaei等通过滑动窗口进行多变时间序列的分段处理，在线保留更新的PCA模型和对应的模糊隶属度函数，将加权FCM聚类方法与自适应PCA方法结合完成对其故障诊断^[8]。Lei Y等人通过计算特征参数的权重以表示不同特征参数在聚类过程中的重要程度，增强了敏感特征参数的重要性，减弱了不敏感特征参数的干扰^[9]

（2）基于神经网络的故障模式识别

夏梦莹等人利用PCA线性降维方法对故障的样本降维，提取它们主要特征，然后作为SOM神经网络的输入，经过数次的训练得到故障识别网络^[10]。白士红等人提出SOM-BP神经网络模型，通过故障仿真试验证实了该模型的诊断准确性^[11]。吴虎胜等对缸盖振动信号进行小波包分解，基于特征向量构造故障样本，寻找配气机构发生的故障通过^[12]。陈涛通过遗传算法对的初始权值进行了基础优化，提高了BP神经网络的故障诊断效率^[13]。景敏卿利用和两种神经网络为基础，对柴油机系统工作的故障进行诊断识别判断^[14]。权春锋等采用BP神经网络诊断内燃机供油过多、供油提前角异常、针阀卡死故障，通过实例验证了诊断的准确性^[15]。王珍采用局域波法对其有效的分解为多个局域波分量，用局域波分量的特征参数输入对RBF神经网络进行训练学习，在柴油机故障诊断也得到了应用^[16]

Wu J D等测量了内燃机各种运行工况下的声发射信号，并对其进行小波包分解，提取特征参数作为广义回归神经网络的输入，对内燃机进行故障诊断^[17]。Liu J等采集内燃机的上止点信号和缸盖振动信号，根据发火顺序截取各缸燃烧段的振动信号并提取特征值，输入BP神经网络诊断失火故障^[18]。N.K.Togun等使用BP神经网络预测内燃机的扭矩和制动燃油消耗率，将转速、油门位置等参数作为输入特征向量，将扭矩和制动燃油消耗率作为输出，试验结果证明神经网络能有效预测扭矩和制动燃油消耗率^[19]。Y.Shatnawi等提出采用扩展人工神经网络对用小波包分解提取的特征参数进行分类，这种扩展人工神经网络只有输入层和输出层，这种简单的结构与传统神经网络相比识别性能更好，并且很容易插入新的故障特征信息^[20]。

（3）基于DS证据理论的融合诊断技术

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：