(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211471504.2 (22)申请日 2022.11.23 (71)申请人 武汉理工大 学 地址 430070 湖北省武汉市洪山区珞狮路 122号 (72)发明人 余永华　胡嘉　杨建国　 (74)专利代理 机构 湖北武汉 永嘉专利代理有限 公司 42102 专利代理师 许美红 (51)Int.Cl. G06K 9/00(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06K 9/62(2022.01) G01M 15/04(2006.01) (54)发明名称 跨机型的柴油机燃烧室故障诊断方法及系 统 (57)摘要 本发明公开了一种跨机型的柴油机燃烧室 故障诊断方法， 包括以下步骤： 采集参考机型与 待诊断机 型柴油机与故障激励源相关的信号， 比 较机型间信号的相似性， 若相似， 则将参考机型 的有标签源域数据样本和待诊断机型采集的无 标签数据 样本作为训练样本集； 构建故障诊断网 络模型， 该模型通过对样本集中的样本训练得 到， 其包括特征提取模块、 分类模块和域自适应 模块， 其中特征提取模块包括多个卷积层和自适 应平均池化层； 将待诊断机型的柴油机实时采集 的与故障激励源相关的信号段输入故障诊断网 络模型进行跨机型的柴油机燃烧室故障诊断， 得 到故障诊断结果。 本发明可实现跨机型的柴油机 燃烧室故障诊断。 权利要求书2页 说明书11页 附图6页 CN 115510926 A 2022.12.23 CN 115510926 A 1.一种跨机型的柴油机 燃烧室故障诊断方法， 其特 征在于， 包括以下步骤： 采集参考机型与待诊断机型柴油机的激励信号中与故障激励源相关的信号， 比较机型 间信号的相似性， 若相似， 则将参考机型的有标签数据样 本作为源域， 待诊断机型的采集的 无标签数据样本作为目标域， 建立训练样本集； 构建故障诊断网络模型， 该模型通过对训练样本集中的样本训练得到， 其包括特征提 取模块、 分类模块和 域自适应模块， 其中特征提取模块包括多个卷积层和自适应平均池化 层， 具体通过多个卷积层 进行特征提取， 再通过自适应平均池化层 进行平均池化计算， 形成 维度一致的特征； 提取 的维度一致的特征分别输入分类模块和域自适应模块， 计算分类损 失和不同机型的特征分布差异损失， 最后通过Adam优化算法自动更新网络参数以缩小 特征 分布差异并提高分类准确度； 将待诊断机型柴油机实时采集的与故障激励源相关的信号段输入故障诊断网络模型 进行跨机型的柴油机 燃烧室故障诊断， 得到故障诊断结果。 2.根据权利要求1所述的跨机型的柴油机燃烧室故障诊断方法， 其特征在于， 特征提取 模块具体包括5个卷积层， 每个卷积层具体对输入信号进 行1维卷积、 线性整流、 最大池化及 1维批量归一 化。 3.根据权利要求1所述的跨机型的柴油机燃烧室故障诊断方法， 其特征在于， 自适应平 均池化层嵌入在特征提取模块的最后一层， 其将维度不一致的特征转换为维度一致的特 征。 4.根据权利要求1所述的跨机型的柴油机燃烧室故障诊断方法， 其特征在于， 具体通过 计算信号衰减系数、 相关系数判别机型间信号的相似性。 5.根据权利要求1所述的跨机型的柴油机燃烧室故障诊断方法， 其特征在于， 样本集包 括源域数据样本集和目标域数据样本集， 通过对某一柴油机机型的故障模拟试验及实机数 据积累构建参考的标签数据集， 基于柴油机发火顺序和正时图确定与本缸激励 源相关的振 动/声发射时域信号段， 形成供模型训练的源域数据样本集； 对于待诊断的另一柴油机机型 采集的未知状态的无标签数据集， 采用同样方法形成供模型训练和诊断的目标域数据样本 集。 6.一种跨机型的柴油机 燃烧室故障诊断系统， 其特 征在于， 包括： 样本采集模块， 用于采集参考机型与待诊断机型柴油机的激励信号中与故障激励源相 关的信号， 比较机型间信号的相似性， 若相似， 则将参考机型的有标签数据样本作为源域， 待诊断机型采集的无 标签数据样本作为目标域， 建立训练样本集； 故障诊断网络模型构建模块， 用于构建故障诊断网络模型， 该模型通过对训练样本集 中的样本训练得到， 其包括特征提取模块、 分类模块和域自适应模块， 其中特征提取模块包 括多个卷积层和自适应平均池化层， 具体通过多个卷积层进行特征提取， 再通过自适应平 均池化层进行平均池化计算， 形成维度一致的特征； 提取 的维度一致的特征分别输入分类 模块和域 自适应模块， 计算分类损失和不同机型的特征分布差异损失， 最后通过Adam优化 算法自动更新网络参数以缩小特 征分布差异并提高分类准确度； 诊断模块， 用于将待诊断机型柴油机实时采集的与故障激励源相关的信号段输入故障 诊断网络模型进行跨机型的柴油机 燃烧室故障诊断， 得到故障诊断结果。 7.根据权利要求6所述的跨机型的柴油机燃烧室故障诊断系统， 其特征在于， 特征提取权　利　要　求　书 1/2 页 2 CN 115510926 A 2模块具体包括5个卷积层， 每个卷积层具体对输入信号进 行1维卷积、 线性整流、 最大池化及 1维批量归一 化。 8.根据权利要求6所述的跨机型的柴油机燃烧室故障诊断系统， 其特征在于， 自适应平 均池化层嵌入在特征提取模块的最后一层， 其将维度不一致的特征转换为维度一致的特 征。 9.一种终端设备， 包括存储器和 处理器， 存储器内存储有可被处理器执行的计算机程 序， 其特征在于， 处理器执行计算机程序时实现如权利要求1至5任一项所述的跨机型 的柴 油机燃烧室故障诊断方法的步骤。 10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于， 该计算机 程序被处理器执行时实现如权利要求1至5任一项所述的跨机型 的柴油机燃烧室故障诊断 方法的步骤。权　利　要　求　书 2/2 页 3 CN 115510926 A 3