该型号发动机是V型6缸柴油发动机，是某装备量较大的履带车辆发动机，该型装备应用地域较广、环境比较恶劣，因此发动机损耗较大，为提高装备的完好率、降低维护费用必须引入健康管理系统为视情维护提供充分的数据支撑。
根据对用户和维修单位的走访，我们了解到该型发动机的故障主要集中在气缸和轴系相关部件，客户希望通过PHM系统能随时了解发动机以及每个气缸的故障和健康状态，为发动机维护提供依据。
另外，客户维护人员中经验丰富的比较少，希望PHM能提供一个专家系统，辅助客户对发动机进行故障诊断。
案例概述
实时健康评估与故障诊断
基于数据的故障诊断和健康状态评估，本质上是用各类状态（故障）的样本数据（如振动数据）去训练计算机，什么样的数据是什么故障或健康状态，以便未来能根据采集的数据判定故障或健康状态，这样的优点是利用传感器对故障信号的敏感性，早期发现故障或性能下降，便于有针对性地安排维护工作。
PHM的最终效果取决于训练数据的质量，为获得发动机各类状态的数据，我们与整车维修厂和发动机维修单位合作，采集了上百台大修前故障发动机数据（未来仍会持续），根据随后发动机维护的情况对数据进行标记，采用PIDE进行算法模块生成及模型训练。如下图所示。
图 1 X型发动机PHM系统开发流程
项目开发流程：
● 根据我公司柴油发动机故障诊断的技术积累，确定传感器布局和安装方案。采用HM系列PHM处理器作为数据采集、数据处理平台；
● 采用ALTK生成样本数据文件格式，并导入PHM处理器用户接口软件；
● 采用PHM处理器进行发动机大修前数据采集，跟踪发动机大修，根据大修结果对采集的数据进行标记；
● 将样本数据导入ALTK，将样本数据分为训练集和测试集；
● 采用ALTK自动生成算法模块，训练模型，导出满足OSA-CBM的算法模块；
● 将所有算法模块导入PHM系统集成软件，集成PHM系统，进行模拟调试，生成安装包；
● 将安装包安装到PHM处理器；
● 采用测试集对模型进行测试。 2.2
建立专家系统
根据客户需求我们采用贝叶斯网络算法建立发动机贝叶斯网络模型，辅助初级技术人员对复杂故障进行诊断。
贝叶斯网络是一种图形化的概率模型，网络中每一个节点表示一种故障模式，故障模式之间的有向弧表示故障的因果关系，用条件概率表描述故障模式和故障原因之间的概率依赖程度，采用贝叶斯网络可以根据故障现象自动定量分析某一底层故障模式发生的概率。
如下图，贝叶斯模型由两部分组成，一个是贝叶斯网络结构模型，是一个有向图，描述了故障模式和故障原因的依存关系，本项目网络结构模型采用算法工具箱软件（ALTK），根据FMEA自动生成。另一部分是ALTK生成的条件概率表，初始的条件概率由设计人员和维护专家根据以往的经验，未来可以根据维护数据，采用算法工具箱软件进行训练，迭代条件概率表，以便不断改善模型的诊断效果。
图 2 柴油发动机贝叶斯网络模型生成流程
-版权所有，抄袭必究-
更多有关PHM健康管理的技术咨询和商务服务，请访问http://www.softtest.cn/留下您的详细需求，或按以下方式联系旋极信息：
