深度学习与异常信息融合的内燃机燃油系统智能诊断方法

张振京; 曹石; 窦全礼; 宋业栋; 褚士龙; 茆志伟

doi:10.13543/j.bhxbzr.2025.02.009

北京化工大学学报（自然科学版） ›› 2025, Vol. 52 ›› Issue (02) : 76 -87. DOI: 10.13543/j.bhxbzr.2025.02.009

深度学习与异常信息融合的内燃机燃油系统智能诊断方法

张振京, 曹石, 窦全礼, 宋业栋, 褚士龙, 茆志伟

作者信息 +

Author information +

文章历史 +

摘要

考虑到内燃机燃油系统的健康状态对整机性能具有重要影响，但目前内燃机配机监测参数尚未得到充分利用，为此提出一种基于深度学习与异常信息融合的智能诊断方法，以达到利用现有配机监测参数和能够获取的异常现象信息来提升内燃机运行可靠性的目的。首先引入互信息理论实现对配机监测参数的自动分组，并采用降噪自编码器和注意力机制结合双向门控循环单元构建一种针对内燃机配机监测参数的深度学习诊断模型，实现了燃油系统典型故障的初步智能诊断。进一步，考虑到内燃机实际运行中获取的异常现象对故障诊断的辅助价值，构建贝叶斯网络，并采用Leaky-Noisy-Or模型量化异常现象与特定故障之间的相关性，以此优化故障智能诊断结果。最后，将GT-Power仿真模拟获得的燃油系统故障样本数据集代入所提方法模型中，诊断结果验证了所提方法在提高内燃机燃油系统故障诊断准确率方面的有效性。研究成果提供了一种基于配机监测参数的深度学习智能诊断模型，同时也为燃油系统故障诊断提供了一种新的信息融合途径，对内燃机智能诊断具有重要的实际应用价值。