基于大模型的柴油机装配冷试数据分析
赵旭辉1
徐卓1
王相成2
闫伟1
李国祥1
1.山东大学核科学与能源动力学院,山东济南 2500612.山东浪潮傲林大数据科技有限公司,山东济南 250101
摘要：为提高柴油机装配质量和冷试性能,基于柴油机装配冷试基础数据集,选取加州大学欧文分校(University of California Irvine,UCI)机器学习资料库标准数据集中的Seeds、Wine、Wdbc三种数据集,对比支持向量机(support vector machines,SVM)模型、组合智能算法改进后SVM模型、Transformer模型应用于冷试异常数据的分析效果.结果表明:SVM、改进后SVM,Transformer模型对正常数据和异常数据分类的准确率分别为85.20％、92.54％、97.94％;相比SVM、改进SVM模型,Transformer模型的分类准确率有较大的提高,可用于分析参数异常;排气压力与转矩关系密切,排气压力较大造成转矩增大;排气门开启时间过长导致进气真空度异常,验证了 Transformer模型对发动机装配异常识别方法的有效性.
关键词：柴油机装配冷试异常检测SVMTransformer模型架构
分类号：TK422(内燃机)
资助基金：山东省工程机械智能装备创新创业共同体项目(GTT20240101)山东省土方机械智慧施工技术重点实验室项目(PKL2024F13)
论文发表日期：2026-02-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：8( 62-69 )
英文信息