(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 202210837913.3 (22)申请日 2022.07.16 (71)申请人 天津布尔科技有限公司 地址 300000 天津市滨 海新区华苑产业区 （环外） 海泰华科八路6号滨海中关村 (天津自创区)创新中心二层B区20 3 (72)发明人 闫方超　任进　郭行龙　 (74)专利代理 机构 安徽宏铎知识产权代理事务 所(普通合伙) 3425 0 专利代理师 罗慧 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/20(2020.01) G06F 119/02(2020.01) (54)发明名称 一种发动机中冷器故障预测方法、 装置及存 储介质 (57)摘要 本申请涉及一种发动机中冷器故障预测方 法、 装置及存储介质， 本发明通过采集车辆的发 动机数据， 对其进行排序、 删减、 归一化预处理划 分为训练集和测试集； 对预处理后的发动机数据 采用KPCA主成分分析方法， 计算特征值和特征向 量， 筛选前K个特征值大小的目标特征向量； 构建 梯度提升树算法模型， 并利用训练集对梯度提升 树算法模型进行训练得到中冷器故障预测模型； 利用中冷器故障预测模型对新输入的发动机数 据进行预测， 得到中冷器的冷却效率预测值。 通 过实时的发动机故障监控转化为基于机器学习 算法的预测， 以判断是否出现故障提示车主在方 便的时候对 车辆检测维修， 防止车辆在高速行驶 过程中由于中冷器故障而发生的发动机故障。 权利要求书1页 说明书4页 附图1页 CN 115221652 A 2022.10.21 CN 115221652 A 1.一种发动机中冷器故障预测方法， 其特 征在于， 包括： 获取车辆的发动机数据， 对其进行排序、 删减、 归一化预处理， 并将预处理后的数据划 分为训练集和 测试集； 对预处理后的发动 机数据采用KPCA主成分分析方法， 计算特征值和特征向量， 筛选前K 个特征值大小的目标 特征向量； 构建梯度提升树算法模型， 并利用所述训练集对所述梯度提升树算法模型进行训练， 得到中冷器故障预测模型； 利用所述中冷器故障预测模型对新输入的发动机数据进行预测， 得到中冷器的冷却效 率预测值。 2.根据权利要求1所述的发动机 中冷器故障预测方法， 其特征在于， 所述发动机数据包 括增压压力、 发动机转速、 车速、 发动机进气量、 循环喷油量、 中冷器前进气温度、 中冷后进 气温度以及中冷后混合进气压力。 3.根据权利要求1所述的发动机 中冷器故障预测方法， 其特征在于， 对获取的所述发动 机数据进行 预处理， 步骤包括： 将所述发动机数据按时间先后进行排序； 删除数据中含有空值的行； 采用数据归一 化函数进行归一 化处理； 选取预设工况 下的发动机数据。 4.根据权利要求3所述的发动机中冷器故障预测方法， 其特征在于， 预设工况条件为： 选取发动机转速大于850与小于1800转速每 分、 车速大于30千米每小时、 水温大于79摄氏度 和小于91摄氏度。 5.根据权利要求1所述的发动机 中冷器故障预测方法， 其特征在于， 所述训练集和所述 测试集数据占比为8比2。 6.根据权利要求1所述的发动机 中冷器故障预测方法， 其特征在于， 采用KPCA主成分分 析方法步骤： 计算成对样本之间的欧氏距离， 构成核矩阵， 然后中心化核矩阵， 计算特征值 和特征向量。 7.根据权利要求1所述的发动机 中冷器故障预测方法， 其特征在于， 使用目标特征向量 数据构建梯度提升树 算法模型， 具体包括以下步骤： 设置损失函数为 最小均方误差， 所述损失函数的定义 域为所有可 行的基函数； 利用所述损失函数的负梯度在 当前模型的值作为残差的近似值， 在残差减小的梯度方 向不断迭代计算 来拟合回归树， 目标 是最小化均方误差 。 8.一种发动机中冷器故障预测装置， 其特 征在于， 包括： 存储器(20)， 用于存 储程序指令； 处理器(2 1)， 用于调用所述存储器 中存储的所述程序指令以实现如权利要求1至7中任 一项所述的发动机中冷器故障预测方法。 9.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有程序代码， 所述程序代码用于实现如权利要求1至7中任一项所述的发动机中冷器故障预测方法。权　利　要　求　书 1/1 页 2 CN 115221652 A 2一种发动机中冷器故障预测方 法、 装置及存储介质 技术领域 [0001]本申请涉及发动机故障检测技术领域， 尤其涉及一种发动机中冷器故障预测方 法、 装置及存 储介质。 背景技术 [0002]中冷器是柴油机空气系统的重要部件， 其性能的优劣直接影响柴油机的燃烧状 态， 并影响柴油机的经济性和动力性。 试验表明， 增 压空气温度每降低10℃， 柴油机功率可 提高2％～3％。 比如柴油机功率保持不变， 可使燃油消耗率降低1.5％， 并使最高燃烧温度 下降20～30℃， 排气温度也有较大幅度的降低。 因此， 对中冷器及时进 行检测和故障诊断使 其始终在良好的技 术状态下工作， 对保持柴油发动机良好的工作性能具有重要意 义。 [0003]目前， 中冷器故障检测仪器功能比较单一、 适应性较差。 对发动机的多个参数进行 测量时就要设计多种测试仪器造成人力、 物力的浪费。 另外， 要求仪器 设计人员不但要有发 动机方面的专业技术， 而且还要 具备良好的微机软、 硬件方面的技能， 才能在内燃机检测仪 器开发中得心应手， 这就限制 了中冷器故障检测仪器的发展和提高， 使其不能很好的检测 在中冷器故障。 发明内容 [0004]为了解决上述背景技术提到的技术问题或者至少部分地解决上述技术问题， 本申 请提供一种发动机中冷器故障预测方法、 装置及存 储介质。 [0005]为解决以上技 术问题， 本发明提出以下技 术方案： [0006]一种发动机中冷器故障预测方法， 包括： [0007]获取车辆 的发动机数据， 对其进行排序、 删减、 归一化预处理， 并将预处理后的数 据划分为训练集和 测试集； [0008]对预处理后的发动机数据采用KPCA主成分分析方法， 计算特征值和 特征向量， 筛 选前K个特征值大小的目标 特征向量； [0009]构建梯度提升树算法模型， 并利用所述训练集对所述梯度提升树算法模型进行训 练， 得到中冷器故障预测模型； [0010]利用所述中冷器故障预测模型对新输入的发动机数据进行预测， 得到中冷器的冷 却效率预测值。 [0011]进一步的， 所述发动机数据包括增压压力、 发动机转速、 车速、 发动机进气 量、 循环 喷油量、 中冷器前进气温度、 中冷后进气温度以及中冷后混合进气压力。 [0012]进一步的， 对获取的所述发动机数据进行 预处理， 步骤包括： [0013]将所述发动机数据按时间先后进行排序； [0014]删除数据中含有空值的行； [0015]采用数据归一 化函数进行归一 化处理； [0016]选取预设工况 下的发动机数据。说　明　书 1/4 页 3 CN 115221652 A 3