利用混合建模方法对商用车辆天然气发动机中气缸盖裂纹进行智能预测

《RELIABILITY ENGINEERING & SYSTEM SAFETY》：Intelligent Prediction of Cylinder Head Cracking in Commercial Vehicle Natural Gas Engines Using Hybrid Modeling Approaches

　　

韩宇|郭平|李振雷|王炳新|陈旺峰

• •
  在故障模式分析（FMA）中识别出的关键噪声因素和故障状态被转化为具有明确物理意义的量化特征指标，从而将先验知识注入到人工智能模型中。
• •
  利用人工智能技术强大的非线性映射和特征学习能力，这些指标与多源传感器数据深度集成并进行分析。这种方法特别适用于机制不清晰、传感器配置稀疏的弱关联系统，提高了对早期和微弱故障特征的敏感性和感知能力。
• •
  构建了一个涵盖车辆、系统和组件多个层次的结构化诊断模型，将FMA的定性分析结果转化为可量化的物理参数和数学模型。
• •
  这确保了所提出的诊断方法不仅在理论上是创新的，而且在工程实践中具有直接的应用性和高可靠性。本研究旨在为汽车发动机的智能运行、维护和预测性健康管理提供一种新的方法，同时兼顾了物理可解释性和诊断准确性。