油压故障检测方法
【技术领域】
[0001] 本发明涉及内燃机领域，尤其涉及内燃机内润滑油的一种油压故障检测的方法。【背景技术】
[0002] 内燃机引起空气和燃料混合物的燃烧以产生驱动转矩，空气经过节气门吸入发动 机中并且分配到各个气缸中。空气与燃料混合并且空气和燃料混合物在气缸内燃烧以往复 驱动活塞，活塞旋转驱动曲轴。除了往复驱动的活塞之外，发动机中还有多个移动部件来实 现和调节燃烧过程，包括但不限于进气门和排气门机构。
[0003] 为了确保内部部件的正确运行和降低的磨损，润滑油在发动机中循环。具体地，油 泵从油盘泵出润滑油通过发动机。当润滑油循环通过发动机之后，它就收集入油盘中，也设 有滤油器从而在润滑油在发动机中循环之前对其进行过滤。
[0004] 油压通常受到监控以确保它处于适当的运行范围，通常设有油压传感器并且其响 应于油压。过高或过低的油压会损害发动机部件并且是由老化润滑油、润滑油粘度的变化、 使用不适当的滤油器、低油位、机械硬件故障等原因引起的，所以润滑油的油压检测对于发 动机的正常使用是很重要的，但是现今技术都是通过安装油压传感器来进行检测油压位置 并根据设置值进行预警，但是发动机运行使用时间长的话，油压设定值也应该随之改变，但 是现有技术中的设定值的不能随意更改的现状不能满足发动机的需要。
【发明内容】
[0005] 为了克服现有技术中油压设定值不能随意更改的不足，本发明提供一种油压故障 检测的方法。
[0006]本发明的技术方案是：一种油压故障检测的方法，其步骤包括： 步骤一、根据发动机运行条件建立已知油压数据库，并进行数据预处理； 步骤二、建立RVM模型，利用粒子群算法优化训练RVM模型参数； 步骤三、利用已知油压数据库训练建立的RVM模型； 步骤四、采用RVM模型对油压传感器检测的数据进行处理分析。
[0007]所述步骤一中的发动机运行条件包括里程数、燃烧事件的累计数、发动机的转速、 发动机的温度、发动机起动的累计数和监控的温度循环中的至少一个。
[0008]所述步骤一中的数据预处理是对数据进行归一化处理。
[0009]所述步骤一中的已知数据库是处于更新状态中的，运行条件发生改变，已知数据 库也在更新中。
[0010] 所述步骤二中的粒子群算法步骤为： A. 初始化粒子群：确定粒子群的规模，初始位置和速度，根据约束条件对每个粒子初 始化拉格朗日因子a的值； B. 计算每一个粒子的目标函数值，即所要优化函数的值； C. 更新每一个粒子a的位置局部最优值Pbest和全局最优值Gbest; D. 更新每一个粒子a的飞行速度和位置； E.判断数据是否达到RVM模型标准，达到标准跳出循环，并计算相关系数，否则返回的 步骤2)，直到满足迭代的次数； F.返回最优a的值，并将最优化的参数传递给RVM模型。
[0011] 所述步骤四中的数据处理分析包括将油压传感器检测到的数据与已知数据库里 相同或相似条件下的期望油压数据取差值，将差值与系统设定的阀值进行比较输出数据处 理结果。
[0012] 所述步骤五中的数据处理结果与油压状态之间的对应为非正常状态，系统会发出 预警警告。
[0013] 本发明有如下积极效果：本发明中使用了油压传感器实时检测润滑油内部的油压 参数数据，并根据发动机运行条件中的里程数、燃烧事件的累计数、发动机的转速、发动机 的温度、发动机起动的累计数和监控的温度循环中的至少一个条件可能引起的油压阈值的 改变进行监测进行系统更改，提高了监测的准确度，同时本发明中使用了粒子群算法优化 过的RVM模型进行数据对比和分析，增大了检测结果的准确率，明确了故障检测的结果，方 便了工作人员的查看和维修。
【附图说明】
[0014] 图1是本发明中油压故障检测方法的工作流程图； 图2是本发明中粒子群算法的工作流程图； 图3是本发明中油压故障检测方法的工作结构图。
【具体实施方式】
[0015] 下面对照附图，通过对实施例的描述，本发明的【具体实施方式】如所涉及的各构件 的形状、构造、各部分之间的相互位置及连接关系、各部分的作用及工作原理、制造工艺及 操作使用方法等，作进一步详细的说明，以帮助本领域技术人员对本发明的发明构思、技术 方案有更完整、准确和深入的理解。
[0016] 如图1-图3所示，一种油压故障检测方法，其步骤包括： S01步骤一、根据发动机运行条件建立已知油压数据库，并进行数据预处理。
[0017] 已知油压数据库中的数据是在发动机各种运行条件下采集的，发动机运行条件包 括里程数、燃烧事件的累计数、发动机的转速、发动机的温度、发动机起动的累计数和监控 的温度循环中的至少一个，因为油压值会根据这些发动机运行条件中的任何一个或几个的 改变而改变。发动机的转速和温度可以由转速传感器和温度传感器检测得到，各种运行条 件和对应的油压值都会存入油压数据库中，同时已知数据库是处于更新状态中的，运行条 件发生改变时，如果此时的油压值在系统阀值的允许范围内，则已知数据库也同时更新，保 证了数据的和更新率和准确性。
[0018] 影响油压值的因素，可选地或附加地，可以执行更复杂的算法监控更详细的汽车 参数，包括但不限于发动机负荷、燃烧事件的数量、发动机起动的数量、温度循环等。例如， 由润滑油的寿命监控确定润滑油老化因数，其表明更换润滑油的时间。可以将包括但不限 于发动机RPM和油温的参数用于确定润滑油的相对寿命。
[0019] 预处理是对数据进行归一化处理，归一化可以加快训练网络的收敛性，归一化的 具体作用是归纳统一样本的统计分布性。无论是为了建模还是为了计算，首先基本度量单 位要同一，粒子群算法是以样本在事件中的统计分别几率来进行训练和预测的，归一化是 同一在0-1之间的统计概率分布；SVM是以降维后线性划分距离来分类和仿真的，因此时空 降维归一化是统一在-1 一+1之间的统计坐标分布。
[0020]S02步骤二、建立RVM模型，利用粒子群算法优化训练RVM模型参数。建立RVM模 型首先选择合适的函数，并对其超参数进行PS0优化训练，建立合适的RVM模型，利用粒子 群算法优化训练RVM模型参数，让模型更容易收敛，运算速度更快。建立RVM模型时，先利用 已知样本数据库进行粒子群算法优化训练成功建立模型，已知样本数据库的建立是在EGR 管路正常状态时获得保存的。
[0021] 核函数的选择时常用的RVM核函数有4种： 线性核函数：
【主权项】
1. 一种油压故障检测的方法，其特征在于，其步骤包括： 步骤一、根据发动机运行条件建立已知油压数据库，并进行数据预处理； 步骤二、建立RVM模型，利用粒子群算法优化训练RVM模型参数； 步骤三、利用已知油压数据库训练建立的RVM模型； 步骤四、采用RVM模型对油压传感器检测的数据进行处理分析。
2. 根据权利要求1所述的油压故障检测方法，其特征在于，所述步骤一中的发动机运 行条件包括里程数、燃烧事件的累计数、发动机的转速、发动机的温度、发动机起动的累计 数和监控的温度循环中的至少一个。
3. 根据权利要求1所述的油压故障检测方法，其特征在于，所述步骤一中的数据预处 理是对数据进行归一化处理。
4. 根据权利要求1所述的油压故障检测方法，其特征在于，所述步骤一中的已知数据 库是处于更新状态中的，运行条件发生改变，已知数据库也在更新中。
5. 根据权利要求1所述的油压故障检测方法，其特征在于，所述步骤二中的粒子群算 法步骤为： 初始化粒子群：确定粒子群的规模，初始位置和速度，根据约束条件对每个粒子初始 化拉格朗日因子a的值； 计算每一个粒子的目标函数值，即所要优化函数的值； 更新每一个粒子a的位置局部最优值Pbest和全局最优值Gbest ; 更新每一个粒子a的飞行速度和位置； 判断数据是否达到RVM模型标准，达到标准跳出循环，并计算相关系数，否则返回的步 骤2)，直到满足迭代的次数； 返回最优a的值，并将最优化的参数传递给RVM模型。
6. 根据权利要求1所述的油压故障检测方法，其特征在于，所述步骤四中的数据处理 分析包括将油压传感器检测到的数据与已知数据库里相同或相似条件下的期望油压数据 取差值，将差值与系统设定的阀值进行比较输出数据处理结果。
7. 根据权利要求1所述的油压故障检测方法，其特征在于，所述步骤五中的数据处理 结果与油压状态之间的对应输出为非正常状态，系统会发出预警警告。
【专利摘要】本发明涉及内燃机内润滑油的一种油压故障检测的方法，属于内燃机领域，其步骤包括：步骤一、根据发动机运行条件建立已知油压数据库，并进行数据预处理；步骤二、建立RVM模型，利用粒子群算法优化训练RVM模型参数；步骤三、利用已知油压数据库训练建立的RVM模型；步骤四、采用RVM模型对油压传感器检测的数据进行处理分析。本发明中使用了油压传感器实时检测润滑油内部的油压参数数据，使用粒子群算法优化过的RVM模型进行数据对比和分析，增大了检测结果的准确率，明确了故障检测的结果，方便了工作人员的查看和维修，解决了现有技术中油压设定值不能随意更改的问题。
【IPC分类】F01M1-20
【公开号】CN104594969
【申请号】CN201410527614
【发明人】李杨宇, 徐尼云
【申请人】芜湖扬宇机电技术开发有限公司
【公开日】2015年5月6日
【申请日】2014年10月9日