基于SVM的柴油机装配冷试检测方法及系统与流程

技术特征：
1.基于svm的柴油机装配冷试检测方法，其特征在于，包括如下内容：获取柴油机的进气压力、曲轴转矩和排气压力，构建冷试测试数据库；采用大数据分析的方式判断排气压力数据的分布形态；根据排气压力数据的分布形态，得到排气压力正常、偏小和偏大的阈值；确定阈值后，基于冷试测试数据库构建柴油机装配质量检测的样本集，采用支持向量机算法训练并测试，形成冷试测试质量检测支持向量机算法模型，通过支持向量机算法模型对柴油机装配质量进行识别，形成基于svm的柴油机装配冷试检测方法。2.根据权利要求1所述的基于svm的柴油机装配冷试检测方法，其特征在于，所述柴油机的进气压力、曲轴转矩和排气压力由冷试测试设备测得。3.根据权利要求2所述的基于svm的柴油机装配冷试检测方法，其特征在于，所述冷试测试设备通过气体压力传感器获取柴油机的进气压力和排气压力数据，通过扭矩传感器获取柴油机的曲轴转矩数据。4.根据权利要求1所述的基于svm的柴油机装配冷试检测方法，其特征在于，通过参数偏度值的统计量与标准误差的比值来判断所述排气数据的分布形态。5.根据权利要求4所述的基于svm的柴油机装配冷试检测方法，其特征在于，当参数偏度值的统计量与标准误差的比值∈[
‑
2,2]时，则数据为正态分布；当参数偏度值的统计量与标准误差的比值>2时，数据为正偏态分布；当参数偏度值的统计量与标准误差的比值<
‑
2时，数据为负偏态分布。6.根据权利要求1所述的基于svm的柴油机装配冷试检测方法，其特征在于，采用大数据分析的3σ原则，确定所述的排气压力正常、偏小和偏大的阈值。7.根据权利要求1所述的基于svm的柴油机装配冷试检测方法，其特征在于，将进气压力的数值和曲轴转矩的数值分别作归一化处理，与分类后的排气压力数据相结合，基于所述的冷试测试数据库，构建柴油机装配质量检测的样本集。8.根据权利要求1所述的基于svm的柴油机装配冷试检测方法，其特征在于，通过选取径向基核函数来训练测试所述的支持向量机算法模型，运用交叉验证法寻找最优的惩罚因子c和方差g，即在设定的参数范围内，确定迭代长度，将惩罚因子和方差两两组合，在多组交叉验证中选取精度最高的组合。9.根据权利要求7所述的基于svm的柴油机装配冷试检测方法，其特征在于，将构建的所述柴油机装配质量检测的样本集划分为训练集和测试集，用支持向量机算法对训练集训练，得到冷试测试质量检测支持向量机算法模型，利用测试集确定支持向量机算法模型对装配质量检测的准确性，从而对柴油机装配质量进行识别。10.基于svm的柴油机装配冷试检测系统，其特征在于，包括：数据处理单元：利用柴油机的进气压力、曲轴转矩和排气压力构建冷试测试数据库，采用大数据分析的方式判断装配特征参数中排气压力数据的分布形态；并根据排气压力数据的分布形态，得到装配排气压力正常、偏小和偏大的阈值，从而构建柴油机装配质量检测的样本集；模型建立单元：确定排气压力正常、偏小和偏大的阈值后，构建建立支持向量机算法模型，训练测试支持向量机算法模型，通过训练测试后的支持向量机算法模型用于对柴油机装配质量进行识别。

技术总结
本发明公开了基于SVM的柴油机装配冷试检测方法及系统，提高了柴油机装配质量检测的准确性，具有可有效对柴油机装配质量进行识别的有益效果，具体方案如下：基于SVM的柴油机装配冷试检测方法，包括获取柴油机的进气压力、曲轴转矩和排气压力，构建冷试测试数据库；采用大数据分析的方式判断排气压力数据的分布形态；根据排气压力数据的分布形态，得到排气压力正常、偏小和偏大的阈值；确定阈值后，基于冷试测试数据库构建柴油机装配质量检测的样本集，采用支持向量机算法训练并测试，形成冷试测试质量检测支持向量机算法模型，通过支持向量机算法模型对柴油机装配质量进行识别，形成基于SVM的柴油机装配冷试检测方法。基于SVM的柴油机装配冷试检测方法。基于SVM的柴油机装配冷试检测方法。


技术研发人员：闫伟 王辉 杨晓峰 孙俊伟 吴凡 李嘉颀
受保护的技术使用者：山东大学
技术研发日：2021.09.29
技术公布日：2022/1/4