(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111022232.3 (22)申请日 2021.09.01 (65)同一申请的已公布的文献号 申请公布号 CN 113700558 A (43)申请公布日 2021.11.26 (73)专利权人 哈尔滨工业大 学 （威海） 地址 264209 山 东省威海市文化西路2号 专利权人 一汽解放汽车有限公司 (72)发明人 王彦岩　朱东杰　张瑞天　任宁　 刘斌　张正兴　李金　孟祥开　 (74)专利代理 机构 哈尔滨华夏松花江知识产权 代理有限公司 23213 专利代理师 杨晓辉 (51)Int.Cl. F02B 77/08(2006.01)F02D 41/22(2006.01) F02D 45/00(2006.01) G06F 30/27(2020.01) 审查员 耿天娇 (54)发明名称 柴油发动机空气系统故障检测方法 (57)摘要 柴油发动机空气系统故障检测方法， 属于汽 车故障检测领域。 本发明解决了现有技术中柴油 发动机故障检测模型检测精度低、 检测速度慢的 问题。 本发明先利用1号健康数据集对初始发动 机自编码器故障模型进行训练， 获得初步训练完 成的发动机自编码器故障模型； 再利用2号健康 数据集和一个故障数据集对初步训练完成的发 动机自编码器故障模型进行验证， 确定初步训练 完成的发动机自编码器故障模型的重构误差阈 值L， 从而完成对发动机自编码器故障模型的构 建； 最后利用构建的故障检测模 型实现对故障进 行检测。 本发 明主要用于对柴油发动机的空气系 统进行故障检测。 权利要求书4页 说明书9页 附图2页 CN 113700558 B 2022.06.28 CN 113700558 B 1.柴油发动机空气系统故障检测方法， 包括如下步骤： S1、 利用1号健康数据集、 2号健康数据集和故障数据集， 构建发动机自编码器故障模 型； S2、 利用所构建的发动机自编码器故障模型对从发动机空气系统中采集的实时运行数 据进行故障检测， 从而确定发动机空气系统是否故障； 其特征在于， 步骤S1中， 利用1号健康数据集、 2号健康数据集和故障数据集， 构建发动 机自编码器故障模型的具体过程 为： S11、 利用1号健康数据集对初始发动机自编码器故障模型进行训练， 获得初步训练完 成的发动机 自编码器故障模型； 其中， 初始发动机 自编码器故障模型采用神经元权重值 随 机的多层神经网络实现； S12、 利用2号健康数据集和一个故障数据集对初步训练完成的发动机自编码器故障模 型进行验证， 确定初步训练完成的发动机自编 码器故障模型的重构误差阈值L， 从而完成对 发动机自编码器故障模型 的构建， 其中， 所确定的初步训练完成的发动机 自编码器故障模 型的重构误差阈值 L， 还作为初步训练完成的发动机自编码器故障模型的JS散度阈值。 2.根据权利要求1所述的柴油发动机空气系统故障检测方法， 其特征在于， 步骤S12中， 利用2号健康数据集和一个故障数据集对初步训练完成的发动机自编 码器故障模型进 行验 证， 确定初步训练完成的发动机自编码器故障模型的重构误差阈值的具体过程 为： S121、 预设重构误差阈值的初始值； S122、 在当前 预设重构误差阈值条件下， 首先、 将2号健康数据集中的每个健康样本送至初步训练完成的发动机自编码器故障 模型， 利用初步训练完成的发动机自编码器故障模型对2号健康数据集中的每个健康样本 进行重构， 获得重构健康样 本， 再根据2 号健康数据集中的每个健康样本及该健康样本所对 应的重构健康样本， 获得2号 健康数据集中的每 个健康样本所对应的健康数据重构误差； 再将故障数据集中的每个故障样本送至初步训练完成的发动机自编码器故障模型， 利 用初步训练完成的发动机自编 码器故障模型对故障数据集中的每个故障样本进行重构， 获 得重构故障样本， 再根据故障数据集中的每个故障样本及该故障样本所对应的重构故障样 本， 获得故障数据集中的每 个故障样本所对应的故障数据重构误差； 最后， 根据所有健康数据重构误差， 确定当前预设重构误差阈值条件下所对应的误检 率； 根据所有故障数据重构误差， 确定当前 预设重构误差阈值条件下 所对应的检出率； S123、 对当前预设重构误差阈值向递减方向进行依次进行N次调整， 每次递减调整步长 为h， 每次对当前预设重构误差阈值调整后， 执行步骤S121， 从而获得每个预设重构误差阈 值条件下 所对应的检出率和误检率； S124、 根据所有预设重构误差阈值所对应的检出率和误检率， 获得检出率相对增长率 曲线和误检率相对增长率曲线； S125、 将检出率相对增长曲线和误检率相对增长曲线间的交点所对应的预设重构误差 阈值， 作为初步训练完成的发动机自编码器故障模型的重构误差阈值 L。 3.根据权利要求2所述的柴油发动机空气系统故障检测方法， 其特征在于， 步骤S122 中， 根据所有健康数据重构误差， 确定当前预设重构误差阈值条件下所对应的误检率的实权　利　要　求　书 1/4 页 2 CN 113700558 B 2现方式包括： S122‑11、 将当前预设重构误差阈值条件下的每个健康数据重构误差分别与当前预设 重构误差阈值比较， 当当前健康数据重构误差小于当前预设重构误差阈值时， 则判定初步 训练完成的发动机 自编码器故障模型重构过程正确， 反之， 当当前健康数据重构误差大于 或等于当前预设重构误差阈值时， 则判定初步训练完成的发动机自编 码器故障模型重构过 程错误， 并统计初步训练完成的发动机自编码器故障模型重构过程正确的个数Q1和初步训 练完成的发动机自编码器故障模型重构过程 错误的个数Q2； 其中Q＝Q1+Q2； Q为当前预设重构误差阈值条件下的所有健康数据重构误差的总个数； S122‑12、 根据Q2和Q， 获得的当前 预设重构误差阈值条件下 所对应的误检率 4.根据权利要求2所述的柴油发动机空气系统故障检测方法， 其特征在于， 步骤S122 中、 根据所有故障数据重构误差， 确定当前预设重构误差阈值条件下所对应的检出率的实 现方式包括： S122‑21、 将当前预设重构误差阈值条件下的每个故障数据重构误差分别与当前预设 重构误差阈值比较， 当当前故障数据重构误差大于当前预设重构误差阈值时， 则判定初步 训练完成的发动机 自编码器故障模型重构过程正确， 反之， 当当前故障数据重构误差小于 或等于当前预设重构误差阈值时， 则判定初步训练完成的发动机自编 码器故障模型重构过 程错误， 并统计初步训练完成的发动机自编码器故障模型重构过程正确的个数P1和初步训 练完成的发动机自编码器故障模型重构过程 错误的个数P2； 其中P＝P1+P2； P为当前预设重构误差阈值条件下的所有故障数据重构误差的总个数； S122‑22、 根据P1和P， 获得的当前 预设重构误差阈值条件下 所对应的检出率 5.根据权利要求2所述的柴油发动机空气系统故障检测方法， 其特征在于， 步骤S124 中、 根据所有预设重构误差阈值所对应的检出率和误检率， 获得检出率相对增长率 曲线和 误检率相对增长率曲线的实现方式包括： S1241、 根据所有预设重构误差阈值所对应的检出率和误检率， 获得RiP和RiQ； 其中， RiP为第i次调整后的预设重构误差阈值所对应的检出率的相对增长率； i 为整数； RiQ为第i次调整后的预设重构误差阈值所对应的误检率的相对增长率； S1242、 将第i次调整后的预设重构误差阈值作 为横坐标， 将该第i次调整后的预设重构 误差阈值所对应的检出率的相对增长率RiP作为纵坐标， 获得一个与检出率相关的坐标点， 该与检出率相关的坐标点作为检出率相对增长率曲线上的一个点； 将第i次调整后的预设重构误差阈值作为横坐标， 将该第 i次调整后的预设重构误差阈 值所对应的误检率的相对增长率RiQ作为纵坐标， 获得一个与误检率相关的坐标点， 该与误 检率相关的坐标点作为 误检率相对增长率曲线上的一个点； S1243、 在同一坐标系下， 将所有与检出率相 关的坐标点进行连线， 绘制出检出率相对 增长率曲线， 将所有与误检率相关的坐标点进行 连线， 绘制出误检率相对增长率曲线。 6.根据权利要求1所述的柴油发动机空气系 统故障检测方法， 其特征在于， S122中、 根 据2号健康数据集中的每个健康样 本及该健康样本所对应的重构健康样本， 获得2 号健康数 据集中的每 个健康样本所对应的健康数据重构误差的实现方式为：权　利　要　求　书 2/4 页 3 CN 113700558 B 3