基于KPCA与KFDA的国六柴油机EGR系统故障诊断

为适应柴油机远程自适应诊断的需要,提出了一种基于数据驱动的柴油机故障诊断方法,在国六柴油机EGR系统的典型故障中进行了验证。利用柴油机试验车队实时远程监测数据建立数据模型,将监测参数中与EGR工作密切相关的11个参数作为模型特征变量,首先采用核主成分分析法(Kernel Principal Component Analysis, KPCA)对原始高维数据进行降维,其次采用核Fisher判别分析法(Kernel Fisher Discriminant Analysis, KFDA)对柴油机EGR系统的正常数据和故障数据进行分类器训练,进而实现对未知数据的故障诊断。结果表明:此方法能够对试验中出现的两种EGR典型故障进行有效诊断,通过KPCA与KFDA相结合,改善了线性方法在处理柴油机故障变量的非线性及强耦合性问题上的缺陷。