基于Hilbert-Huang變換的往復發動機氣門間隙故障診斷方法研究

王立勇，賈 然，陳 濤，李 樂

（北京信息科技大學　現代測控技術教育部重點實驗室，北京 100192）

?

基于Hilbert-Huang變換的往復發動機氣門間隙故障診斷方法研究

王立勇，賈 然，陳 濤，李 樂

（北京信息科技大學現代測控技術教育部重點實驗室，北京 100192）

摘 要：配氣機構是發動機的重要組成部分，若發生故障將會使發動機工作性能大大下降，采用Hilbert-Huang變換的方法對發動機振動信號進行處理。通過計算信號的Hilbert譜、Hilbert邊際譜和Hilbert邊際能量譜，分析氣門間隙變大及變小故障在各種圖譜中的表現，證明了HHT方法在氣門間隙故障診斷中的有效性。

關鍵詞：故障診斷；Hilbert譜；Hilbert邊際譜；Hilbert邊際能量譜

0　引言

發動機是一種典型的動力輸出設備，已被廣泛應用到多種場合，如車輛、艦船、鉆井平臺等。作為系統的核心動力源，發動機一旦發生故障會直接影響到整個系統的正常運行，造成一定的經濟損失。而配氣機構是發動機的重要組成部分，其若發生故障會使發動機工作性能大大下降，間接影響到系統的運行。

配氣機構工作過程中零部件的磨損會導致氣門間隙發生故障，致使發動機的工作性能下降。及時的監測發動機氣門間隙大小，保證其處于合理的范圍能夠使發動機始終以較高的工作性能運行。氣門間隙的故障特征主要體現在振動信號中。因此本文采用振動分析法實現發動機氣門間隙故障的診斷。

Hilbert-Huang變換方法是一種信號的時頻分析方法，能夠將信號分解為若干不同尺度的平穩波動或趨勢，并使分解后的信號具有真實的物理意義。本文采用Hilbert-Huang變換的方法對發動機振動信號進行處理，實現發動機氣門間隙故障的診斷。

1　HHT故障診斷方法

1.1HHT變換原理

Hilbert-Huang變換由經驗模態分解（Empricial Mode Decomposicon，EMD）和Hilbert變換兩部分組成。其基本過程為：首先采用EMD分解方法將信號分解為若干個包含不同尺度信息的IMF（Intrinsic mode function）分量之和，其次對每個IMF分量進行Hilbert變換，得到信號瞬時頻率和瞬時幅值，最后計算得到信號的Hilbert譜和Hilbert邊際譜。

1.2EMD分解流程

1）計算信號X（t）所有的局部極值點，采用三次樣條曲線將信號局部極大值點進行差值，擬合得到信號的上包絡線Xmax（t），同理得到下包絡線Xmin（t）。

2）構建上、下包絡線的均值線。

3）計算得到h1（t）=X（t）-m1（t），如果h1滿足IMF條件，則h1即為X（t）的第一階IMF分量。如果h1不滿足IMF條件，則將h1作為原始數據，重復以上步驟，得到h11=h1-m11，其中m11為h1的上下包絡線的均值。若h11仍不滿足IMF條件，則重復循環k次，得到h1k（t）=h1（k-1）（t）-m1（k-1）（t），使得h1k（t）滿足IMF條件，則記c1=h1k為第一階IMF分量。

4）將c1從X（t）中分離出來，得到r1=X（t）-c1，并將r1作為原始數據重復上述模態分解過程，經多次運算即可得到n階IMF和殘差rn（t），完成EMD分解的操作。

EMD方法能夠產生有限個IMF分量，且各IMF分量均對應一定的物理過程。在EMD分解過程中若IMF分量判定條件過于苛刻，將使得分解后信號中后幾個IMF分量失去物理意義，若條件過于松弛則會使分解過程過早結束，造成分解不徹底，致使信號中部分有意義的信息不能提取出來。為了保證信號得到合理的分解，采用了能量差跟蹤法［1］作為IMF分量的判定條件。

1.3Hilbert變換方法

對所有IMF分量進行Hilbert變換，得到每個分量具有物理意義的瞬時頻譜，并將其表示在振幅與時間、頻率的聯合分布上，即得到了Hilbert譜：

Hilbert譜精確地描述了信號幅值隨時間和頻率的分布情況。

對Hilbert譜進行時間域上的積分，便可以得到Hilbert邊際譜：

Hilbert邊際譜則表征了信號的幅值隨頻率的變化情況。在Hilbert邊際譜中某一頻率上出現了振動能量，說明在信號中包含該種頻率的振動。其具體出現的位置則在Hilbert譜中給出。

將|x（t）|2看為信號的能量密度，則Hilbert變換后的H2（ω，t）具有能量密度的物理意義。并將H2（ω，t）稱為Hilbert能量譜。對Hilbert能量譜進行時域上的積分得到Hilbert邊際譜能量為：

Hilbert邊際能量譜精確的描述了信號的能量隨頻率的分布情況。

1.4基于HHT的發動機氣門間隙故障診斷流程

本文主要通過Hilbert譜、Hilbert邊際譜及Hilbert邊際能量譜進行氣門間隙故障特征提取。首先對原始信號進行EMD分解得到多個IMF分量，采用相關系數法濾除IMF分量中與故障無關的低頻成分。其次采用剩余IMF分量進行信號重構。最后對重構信號進行Hilbert譜分析。具體方法流程圖如圖1所示。

2　氣門間隙故障分析

2.1氣門機構分析

配氣機構是發動機重要的組成部分，其主要功能是按照發動機點火順序和各缸工作沖程，定時的打開和關閉各缸的進排氣門。其結構簡圖如圖2所示。

圖1　試驗方法流程圖

圖2　氣門結構圖

若發動機氣門間隙過小，挺柱和推桿受熱膨脹時會致發動機氣門打開提前，關閉延時，氣門開啟時間變長，嚴重時會導致氣門關閉不嚴，造成漏氣故障；若氣門間隙過大，則會造成發動機氣門打開延時，關閉提前，氣門開啟時間變短，致使發動機進氣不充分、排氣不徹底，造成發動機產生非正常的振動和噪聲，并導致發動機燃燒不充分，影響發動機工作性能。

2.2沖擊事件分布

為了研究氣門間隙故障時發動機振動信號的變化情況，選擇了491Q-ME型發動機進行實驗研究。該發動機是一款直列四缸四沖程發動機，其點火順序為1-3-4-2。根據發動機參數繪制了發動機沖擊事件的分布圖，如圖3所示。圖中（a）～（d）為發動機單缸沖擊事件發生時刻分布圖，（e）為所有氣缸沖擊事件發生時刻的合成分布圖，其中事件a～t分別代表：EVC4、IVC3、EVO1、IVO2、F3、EVC2、IVC4、EVO3、IVO1、F4、EVC1、IVC2、EVO4、IVO3、F2、EVC3、IVC1、EVO2、IVO4、F1（EVC-排氣門關閉，IVC-進氣門關閉，EVO-排氣門打開，IVO-進氣門打開）。

圖3　發動機各沖擊時間分布圖

2.3基于HHT的氣門間隙故障診斷實驗分析

為了研究氣門間隙故障時振動信號的特點，分別將四缸排氣門頂桿進行了磨損和加長，以模擬氣門間隙變大和變小故障。對正常信號和故障信號進行了對比分析。發動機振動信號如圖4所示，圖中（a）、（b）、（c）分別為氣門間隙正常、間隙變大及間隙變小振動信號。

對信號進行EMD分解，并采用相關系數法濾除IMF分量中無效的低頻分量，以氣門間隙正常信號為例。表1為各階IMF分量與原始信號的相關系數ri。可見自第四階以后的所有IMF分量與原始信號的相關性較差，因此選擇前三階IMF分量進行信號重構，即X（t）=IMF1+IMF2+IMF3，并對該重構信號進行Hilbert譜分析。

圖4　原始振動信號

表1　各分量與原始信號的相關系數

重構信號的Hilbert譜如圖5所示，其中（a）、（b）、（c）分別為氣門間隙正常、間隙變大和間隙變小時信號的Hilbert譜。可見氣門間隙正常時四個集中振動區域信號分布情況基本一致，整體表現為0～10kHz處信號振幅較小，在25k～30kHz處信號幅值大。當氣門間隙變大時Hilbert譜中曲軸轉角0°附近振動的高頻成分明顯增強。表明在發動機在該位置處產生了強烈的異常沖擊。對比發動機各沖擊事件分布圖可知，該部分異常振動是由于發動機氣門關閉造成。當氣門間隙變小時，信號沒有明顯的幅值變化，但仔細觀察可發現，在540°區域的信號0～10kHz的信號密度明顯加強。因此說明發動機四缸排氣門間隙變小使得該處振動信號的低頻成分得到了明顯的加強。對比發動機各沖擊事件分布圖可知在540°附近發生了四缸排氣門打開事件。

為了更清晰的描述信號的頻率分布，計算了發動機三種狀態下信號的Hilbert邊際譜。如圖6所示。圖中（a）、（b）、（c）分別為氣門間隙正常、間隙變大和間隙變小時信號的Hilbert邊際譜圖。可見，發動機正常運行時信號于15k～20kHz頻率帶之間出現較大的振動幅值，33kHz以上頻率帶振動信號在大大減弱。氣門間隙偏大時，信號中振動幅值出現了兩個峰值區域，分別位于15k～25kHz處和33k～40kHz處。對比6（a）圖可知，信號中頻率約為33k～40kHz的大幅振動為氣門間隙變大造成故可作為氣門間隙偏大故障特征。發動機氣門間隙偏小時信號時，信號中頻率為0～15kHz頻率帶的振動成分幅值出現了明顯的增強。因此該部分振動可作為氣門間隙偏小故障特征。

圖5　重構信號Hilbert譜

分別計算上述三種情況的Hilbert邊際能量譜，分別如圖7中（a）～（c）所示。可見發動機正常運行時邊界能量譜峰值位于25kHz處，發動機氣門間隙變大時邊際能量譜峰值分別位于25kHzh和38kHz處，發動機氣門間隙變小時邊際能量譜峰值位于28kHz處，同時在12kHz處出現了局部峰值。

圖6　重構信號的Hilbert邊際譜

圖7　信號的Hilbert邊際能量譜

【】【】

分別計算10kHz～15kHz，23kHz～28kHz，37kHz～42kHz頻率帶處的局部邊際能量如表2所示。

表2　故障特征頻率帶的邊際能量

由表可知，發動機正常運行時信號在23kHz～28kHz內的局部邊際能量譜最大，約為2.25，而在兩側的頻率帶中局部邊際能量全部小于0.3，而發動機氣門間隙變大故障時，可見在36kHz～41kHz處的局部邊際能量大大提高，當發動機出現氣門間隙變小故障時10kHz～15kHz處的局部邊際能量則也增高至0.65。可見采用上述三個頻率段的局部邊際能量譜作為故障特征，能夠有效的對發動機氣門機構進行故障診斷。

3　結論

基于EMD分解方法、Hilbert譜方法和Hilbert邊際能量譜的方法對氣門間隙故障進行了診斷。提出了發動機發生氣門間隙變大故障時會使會使得氣門關閉事件位置的高頻分量及低頻分量振幅增加，使得36kHz～41kHz頻率帶處的邊際譜能量增加。發動機出現氣門間隙變小故障時會使得氣門打開事件位置處的低頻信號的振幅增加，造成10kHz～15kHz頻率帶處的邊際譜能量增加。因此采用Hilbert-Huang變換的方法能夠有效的提取故障特征信息，實現發動機氣門間隙故障的診斷。

參考文獻：

［1］ 于德介，程軍圣，楊宇.機械故障診斷的HIlbert-Huang變換方法［M］.北京：科學出版社，2006.

［2］ 王慧.HHT方法及其若干應用研究［D］.合肥工業大學，2009.

［3］ Y.S.Wang，Q.H.Ma， Q.Zhu， X.T.Liu， L.H.Zhao，An intelligent approach for engine fault diagnosis based on Hilbert-Huang transform and support vector machine［J］.Applied Acoustics， 2014，75：1-9.

［4］ YujunLi，PeterW.Tse，XinYang，JianguoYang. EMD-based fault diagnosis for abnormal clearance between contacting components in a diesel engine［J］.Mechanical Systems and Signal Processing，2010，24（1）：193-210.

The research of the fault diagnosis about reciprocating engine valve clearance based on Hilbert-Huang transform

WANG Li-yong， JIA Ran， CHEN Tao， LI Le

中圖分類號：TH17

文獻標識碼：A

文章編號：1009-0134（2016）05-0111-04

收稿日期：2016-01-05

基金項目：國家自然科學青年基金（51105041）；2014北京市優秀人才培養資助-青年拔尖個人項目（2014000026833ZK25）；青年骨干個人項目（2014000020124G096）；北京市教委青年拔尖人才項目（CIT&TCD201404112）

作者簡介：王立勇（1977 -），男，副教授，博士，研究方向為機電系統狀態檢測與故障診斷技術。