基于尾气信息柴油机技术状况判定方法摘要：论述核模糊聚类的原理及实施步骤，并将其应用于基于尾气信息的柴油机技术状况判定方法。根据技术状况的不同，利用核模糊聚类将所测柴油机分类，并计算各柴油机对每类的隶属度,从而实现对柴油机技术状况的判定。应用试验证明，结合核模糊聚类方法，利用柴油机的尾气信息可以实现对柴油机技术状况的判定。关键词：核模糊聚类；尾气数据；柴油机；技术状况：TK407.9文献标识码：AAMethodtoJudgetheOperationPerformanceofDieselEngineUsingEmissionDataLIGuozhang1,GAOYang1,LUOLiang2(1.OrdnanceEngineeringCollege,Shi激azhuang050003,China:2.WuhanOrdnancePettyOfficerInstituteofPLA,Wuhan430075,China)Abstract:DiscussedtheprinciplesandimplementstepsofKernelFuzzyClusteringMethod(KFCM),andbroughtitintothejudgmentofdieselengine'soperationperformancebasedonEmissiondata.Accordingtothedifferencesofoperationperformance,classifiedthetesteddieselengineusingKFCM,thencalculatedthemembershipofeachdieselenginetowardseachclassinordertojudgetheoperationperformanceofeachdieselengine.Experimentsdemonstratedthatthismethodiseffective.Keywords:KFCM;emissiondata;dieselengine;operationperformance1引言随着柴油机使用时间的增加，柴油机的技术状况将随之下降[1],从而使其故障率上升。因而，当柴油机的技术状况下降到一定程度后，就需要对柴油机进行一定规模的维修，以部分恢复其技术状况。但在实际中，对于维修的时机常难以把握。特别是对于军用特种车辆，它们的使用条件相差较大，致使其技术状况变化趋势区别也较大。如果都按照记录的使用时间判断其技术状况或维修时机往往容易造成维修的过剩或不足[2]o因而，一直以来人们都在尝试用其它更加合理的方法对柴油机的技术状况进行判定，从而指导具体装备的维修周期。本文利用柴油机的尾气信息，探讨了通过核模糊聚类方法实现对柴油机技术状况的判定，并结合自行火炮某型底盘用柴油机12150L的实测数据，验证了本文方法的有效性。2模型建立2.1模糊聚类原理聚类属于非监督模式识别问题，其特点是聚类过程仅依赖于样本mj=Zn>=1[MJ(xi)]bxiZni=1[pj(xi)]b(1-3)MKxi)=(1/llxi—mjll2)1/(b—1)Zck=1(1/||xi—mj||2)1/(b—1)j=1,2,...,c设对应的损失函数为vt,则由上面两式可求得相应的(1-4)损失函数。计算技术与自动化2012年9月第31卷第3期李国璋等：基于尾气信息的柴油机技术状况判定方法用迭代方法求解式(1—3)及(1—4)就是模糊C均值算法。具体而言，模糊C均值算法步骤如下:1.设定聚类数目c及模糊控制参数b,并设定一个足够小的迭代截止误差值£>0;2.初始化各聚类中心mj,具体初始化方法参见文献[4];间的特征差别[3]。模糊聚类则是对聚类过程的模糊化，使聚类结果更加符合实际。令｛xi,i=1,2,3,...,n｝是n个样本组成的样本集合，c为预定的类别数目，mi,i=1,2,,c为每个聚类的中心，pj(xi)是第i个样本对第j类的隶属度函数，则聚类的损失函数可表示如下[3]:Jf=Ecj=1Eni=1[pj(xi)]bllxi—mj||2(1—1)其中，b是模糊度控制系数，其值域为[1,+钥SymboleB@],但通常情况下，都在区间(1,5]中取值。因为，当b取1时，模糊聚类退化为硬聚类，而当b很大时，算法几乎丧失聚类能力。在不同的隶属度定义下最小化损失函数就可以得到不同的模糊聚类方法。对于模糊C均值方法有：Zcj=1pj(xi)=1,i=1,2,,n(1—2)在式(1—2)条件下求损失函数最小值。令Jf对|jj(Xi)和mj的偏导数为0,可得：3.根据式（1—4）计算隶属度函数值jjj（xi）;4.根据式（1一3）更新聚类中心mj;5.若||vt+1—vt||<£,则终止迭代，得到要求的聚类中心及各隶属度值；否则返回步骤3继续进行迭代。