基于LabVIEW的發動機異響監測與診斷系統研究

楊雷

（云南交通職業技術學院，云南昆明650500）

基于LabVIEW的發動機異響監測與診斷系統研究

楊雷

（云南交通職業技術學院，云南昆明650500）

對虛擬儀器技術和LabVIEW虛擬儀器開發平臺進行概述，對不同類型、不同狀態下的發動機異響診斷原因和診斷方法進行研究，對比人工診斷和基于現代信號處理的診斷方法，基于LabVIEW開發出發動機異響監測與診斷系統，對發動機的異響進行分析與診斷，實現對發動機運行狀態的識別和發動機故障的診斷。

發動機異響；LabVIEW；狀態監測；故障診斷

1 概述

1.1 工程背景及意義

發動機是現代社會不可或缺的機械部件之一，其主要作用是為各種機械設備提供動力，被廣泛應用在汽車、船舶、飛機等領域。對汽車而言，發動機是極為重要部件之一。汽車發動機由上千個零部件組成，是高速運轉并伴隨高溫、高壓的復雜機械設備，其中任何細微的部分出現故障都將對發動機產生較大的影響，從而導致發動機非正常工作，嚴重時會造成極大的損失甚至是人員傷亡。因此對發動機的故障監測非常重要。

通常對發動機異響的診斷方法主要有兩類：人工憑經驗進行診斷和借助專業儀器設備進行診斷[1]。前者為傳統診斷方法，一些經驗豐富的現場工程師，借助簡單的工具，僅依靠人耳就能從發動機的聲音中發現異常，確定故障部位；后者為現代診斷方法，借助各種專業的儀器設備，通過信號采集和分析對發動機的狀態進行識別，對故障進行定位和診斷。人工診斷的方法通常需要經驗較豐富的現場工程師才能做到，并且診斷的結果具有相對的主觀性和經驗性；而現代診斷方法，借助于信號采集、處理和各種分析方法，能夠對故障產生的部位、嚴重程度進行分析與診斷。

基于專用儀器設備或虛擬儀器開發的發動機異響監測與診斷系統能夠實現對發動機異響的分析和監測，對發動機狀態進行識別，及時對發動機故障進行診斷[2-3]。發動機的異響分析與診斷流程一般為：首先使用傳感器采集發動機的實時狀態數據（常用的信號類型為振動或聲音信號），然后使用現代信號分析方法來判斷發動機的運行狀態，最后對發動機中的故障部位和嚴重程度進行診斷。

本文首先對虛擬儀器技術和LabVIEW虛擬儀器開發平臺進行概述，對不同類型、不同狀態下的發動機異響診斷原因和診斷方法進行詳細描述，闡述人工診斷和基于現代信號處理的診斷方法，最后在實驗室里基于LabVIEW虛擬儀器開發平臺開發出發動機異響監測與診斷系統（Engine abnormal noise monitoring system，EANMS）。使用EANMS系統對發動機的異響進行分析與診斷，實現對發動機運行狀態的識別和發動機故障的診斷。為了充分利用現場工程師積累的經驗和知識，該系統除了能夠實現對振動信號的采集外，還可以實現對聲音信號的采集，通過對采集聲音的回放，在人工診斷的輔助下實現人工診斷和現代診斷兩種方法的結合，提高診斷的準確性。對于在發動機監測與診斷領域中推進狀態監測與故障診斷水平，對于提高現代化診斷技術在發動機監測中的應用具有非常重要的意義。

1.2 國內外研究現狀

發動機的狀態監測與故障診斷技術一直是國內外研究的熱點，隨著機械設備狀態監測與故障診斷技術的發展，在發動機的狀態監測與故障診斷領域中，相關的理論和技術也得到不斷進步。可以說發動機的狀態監測與故障診斷理論和技術的發展是隨著汽車工業和狀態監測與故障診斷理論同步前進的。與機械設備的監測系統分為在線、離線兩大類一樣，在汽車領域中采用的故障診斷技術也是類似的兩類系統：隨車診斷系統（在線監測與診斷系統）與車外診斷（離線監測與診斷系統）。

隨著狀態監測與故障診斷理論和技術的發展，意大利于1982年首先開發出了汽車電路系統故障診斷專家系統，該系統充分利用現場一線工程師的經驗，以大量的維修經驗為依據，對汽車電路系統進行故障診斷。使用該系統，大大提高現場工程師的工作效率。美國通用公司于1985年成功研制出汽車發動機噪聲識別與診斷系統。1998年，Hipar L.Gellele等人研發出實用性強、結構簡單的發動機故障診斷系統。在發動機故障診斷技術方面國內起步較晚，天津工程學院在1988年以Turbe-PROLOG語言開發了一套發動機故障診斷專家系統，南京大學在1998年開發了一套汽車故障維修專家系統，該系統采用可視化編程手段，提供了可視化知識獲取工具，從而完成基本的發動機故障診斷[4]。

2 發動機異響的診斷

發動機運行狀態良好時，在不同工作狀態下的聲響具有典型的特征，如低速時均勻的排氣聲，高速時平穩的轟鳴聲，加速時過渡圓滑的轟鳴聲。當發動機的聲音中出現金屬敲擊聲、摩擦聲等異響時，說明發動機的運作狀態出現問題，需要查找原因和進行診斷。此外發動機的異響與發動機的轉速、負載、溫度、潤滑狀態等都有很大的關系，因此要想十分準確地根據發動機異響進行故障診斷，除了要掌握正確的診斷方法和具有豐富的經驗外，充分運用現代儀器進行檢測和分析同樣非常重要[5-14]。

在進行異響診斷之前，應首先檢查發動機的常見問題是否出現，諸如油路、電路和潤滑情況是否正常，因為這類問題會引起發動機的異響。因此，發動機的異響診斷前應確保發動機的電路、油路以及潤滑正常。此外為了逐步的縮小范圍，還需要判斷發動機異響的聲源是來自于發動機外部還是發動機內部。如果在發動機內、外均有異響時，應該首先判斷外部異響，再判斷內部異響。

發動機的不同部位發生故障時的聲響具有特定的規律性，通過異響可以對故障發生的位置進行定位。常見異響主要發生在曲軸主軸承、連桿軸承、活塞銷、氣門、氣缸、正時齒輪等位置。在人工進行異響診斷時，通常使用金屬棒、聽診器等常規工具，也可以借助專業的頻率分析儀、示波器等儀器，對發動機發出異響的部位進行監測，也可根據現場經驗和儀器顯示結果對比分析，對故障發生的位置進行定位，對故障的程度和潛在的發展趨勢進行預測。

3 基于信號分析的現代診斷法及異響診斷的信號分析基礎

3.1 基于信號分析的現代診斷法

前面介紹的發動機常見異響的診斷需要借助人工來進行診斷，憑借簡單的工具和現場工程師豐富的經驗，僅僅通過聽覺等感官效果來對發動機的狀態進行判斷，這是需要多年的經驗積累才能夠擁有的判斷能力。由于人工診斷需要具有多年現場經驗的工程師才能進行，且診斷結果無量化指標，因此借助于專用的診斷設備和診斷系統，能夠為人工診斷的準確率、診斷結果的客觀性和診斷指標的量化提供很好的手段。

發動機異響診斷系統通常屬于頻率分析儀的一種，一般由傳感器、選頻網絡、放大器、顯示儀表、轉速表等部分組成，基本原理是通過傳感器將發動機的聲音進行獲取，通過選頻網絡設置分析的頻段，通過時間波形、頻譜來對選定頻段的頻率進行分析，以此來對發動機的故障進行定位和診斷。

此類發動機異響診斷系統需要昂貴和專用的硬件儀器設備，且功能較為固定。功能的擴展可通過各種功能模塊和擴展模塊實現，但擴展性較差。而基于虛擬儀器技術的發動機異響診斷系統能夠更加靈活和方便地實現此類系統的功能，因而擴展性和易用性更好，只需要傳感器和對應的數據采集設備，將信號采集到計算機中，通過計算機中虛擬儀器開發軟件進行開發，滿足不同需求、不同功能的診斷系統，能夠實現系統功能、架構、界面的定制和靈活擴展。

在人工診斷的診斷方法上，現代化的虛擬儀器技術、信號分析技術等為發動機異響監測診斷提供另外一種選擇，相比依靠人工的經驗判斷方式，此種診斷方法具有診斷結果的客觀性、診斷的準確性、診斷指標的量化等優點，工程師只需要基本的發動機診斷基礎就可以借助專用設備進行專業的診斷，大大提高了發動機監測與診斷的水平。

3.2 異響診斷的信號分析基礎

對于發動機異響的發生，既可以通過基于振動信號的數據采集和分析進行處理，也可以通過對聲音信號的采集和分析進行故障診斷。由于聲音產生的根源來自與機械部件的振動，因此對于直接在故障部位附近采集振動信號所得到的信號更直接，包含的故障信息更豐富。

基于聲音的信號采集的要求就相對不是這么嚴格，只需要在發動機周圍的自由場內進行測量，且傳感器指向可能故障的部位就可以實現對信號的采集。但是同樣要注意，雖然聲音信號的采集屬于非接觸性采集，不需要安裝傳感器，但是由于是非接觸采集，因此采集得到的信號中故障信息的強度就明顯弱于基于發動機直接采集的振動信號，且采集到的聲音信號中噪聲的干擾相對較強，需要后期進行降噪、特征提取等處理后才能獲取正確的原始特征。后期的信號分析和處理相對比較麻煩。

在時域內通過對采集信號（振動或聲音）的分析，分析信號幅值隨時間變化的趨勢，查看一個周期內信號幅值的變化趨勢，確定發動機異響的部位，確定故障的嚴重程度，這種方法稱為時域分析方法。在頻域內通過對原始信號進行傅里葉變換，將信號的特征變換到頻率域中，能夠看到與時域不同的特征。在頻域內信號的各個頻率組成部分按照大小依次排列，從頻譜上可以直觀地看到原始信號中各頻率成分的能量分布。發動機由很多部件組成，每個部件的振動和故障都具有獨特的頻率特征，在頻譜上每個部件對應的特征都能清晰的顯示出來。因此在頻譜上對信號進行分析能夠得到更加簡潔的信號表示方法，利用特征頻率對發動機異響進行診斷能夠快速地對故障發生的位置、故障的嚴重程度進行確定。因此頻譜分析為發動機的異響診斷提供了有力的工具。與時域分析相比，頻域分析能夠準確地確定故障的位置和故障的嚴重程度，這是時域分析很難做到的，此外相比起人工判斷而言，其能夠較為準確地區分出異響部位以及異響的原因。

例如已知氣門異響的特征頻率為2 800 Hz，曲軸軸承異響的特征頻率為400 Hz，兩者的頻率相差非常大，前者的頻率屬于高頻段，后者的頻率屬于低頻段，而發動機中其他部件的異響特征頻率與這兩個特征頻率相比相差也較大。因此根據特征頻率很容易判斷是否出現氣門異響或曲軸軸承異響的故障。而針對活塞銷異響、活塞敲缸異響這兩種故障來說，故障診斷就相對較難，因為兩個故障部位比較接近，如果測點的位置選擇不當，對獲取到的信息進行分析會導致結果差異較大。研究發現，活塞銷異響主要發生在氣缸蓋上方，而活塞敲缸的異響部位是氣缸的上側部，因此在診斷時測點的選擇必須正確。此外活塞的這兩種故障的特征頻率在2 100 Hz附近，因此在診斷這兩種故障時需要注意，在兩個關鍵的測點上分別進行數據采集，對比兩個位置上頻譜特征，看哪個位置上特征頻率出現，以及哪個特征頻率的幅值較大，則說明故障發生在哪個部位上。

4 EANMS系統設計與實現

4.1 EANMS系統概述

發動機異響監測與診斷系統（Engine abnormal noise monitoring system，EANMS）通過對發動機運行時聲響的采集、分析與監測，能夠對發動機所處的運行狀態進行識別，對發動機的內部故障的發生部位、嚴重程度進行診斷。

基于EANMS的發動機診斷流程為：通過傳聲器將發動機的聲音由數據采集設備采集到計算機中。在EANMS系統中，使用現代信號分析方法分析發動機聲音信號中的特征，利用故障診斷技術來識別發動機的運行狀態，對發動機中故障部位進行定位和診斷。如通過時域分析對發動機聲音信號的幅值、聲壓等參數進行分析，在頻域內通過分析聲音的頻率，與不同轉速、不同狀態、不同條件下發動機的特征頻率進行對比，確定故障發生的位置及嚴重程度。

此外為了充分利用現場工程師所具有的豐富經驗，EANMS系統能夠實現對采集的聲音信號的回放，這樣就能結合人工診斷和現代診斷兩種診斷方法的優缺點，提高診斷的準確性，對于在發動機監測與診斷領域中推進狀態監測與故障診斷水平，提高現代化診斷技術在發動機監測中的應用具有非常重要意義[15-23]。

EANMS系統使用LabVIEW2011平臺進行開發，其中數據分析功能使用信號分析工具包，采集的信號既可以是振動信號，也可以是聲音信號，數據采集卡為NI公司的9234，檢測的發動機類型為汽油發動機。

4.2 EANMS系統的功能設計

EANMS系統基于LabVIEW開發平臺進行開發，充分利用LabVIEW的G語言的優點，對EANMS系統中主要的功能采用模塊化的設計方式，這樣既有利于系統具有良好的架構，易于維護、易于擴展和升級，也有利于系統的開發。

EANMS系統有4大部分組成：分別為系統參數設置、采集與停止、數據分析與數據回放。下面就對這四個功能進行簡要描述。如圖1所示。

圖1 EANMS系統功能列表

系統參數設置：用于對EANMS系統的參數進行配置，如采集數據的存放位置、采樣參數等。

采集與停止：用于控制數據的采集過程。采集到的數據保存在數據目錄中，數據目錄由用戶在系統參數配置中進行設置。

數據分析：用于對采集到的實時數據進行分析，包括時域的時間波形查看、頻域的頻域分析、小波分析和趨勢分析等功能。

回放數據：用于對采集到聲音數據文件進行回放。可以在數據目錄中選擇需要回放的數據，通過系統將聲音播放出來，與人工診斷方式相配合，實現更精確的故障診斷。

為了使EANMS系統具有易維護、易擴展的系統架構，將系統的各模塊以子VI的形式進行實現，在系統中使用子面板加動態加載技術實現對不同系統功能的加載。這樣的實現方式使得系統執行過程中占用內存小、運行速度快，且在系統編程過程中，每個功能子模塊相對獨立，既保證子模塊可以獨立運行和獨立測試，也保證子模塊的故障不會影響到整個系統，使得系統在良好的架構下易于維護和擴展。4.3 EANMS系統主要功能設計與實現

下面對EANMS系統中參數配置、數據分析、數據回放等功能的設計與實現進行描述。

4.3.1 EANMS系統主界面

EANMS系統的主界面由上下兩部分組成，主界面的上部為系統的功能按鈕區，點擊不同的按鈕，在下面的功能區內顯示不同的功能界面。如圖2所示。

圖2 EANMS系統主界面

系統功能按鈕區內將系統的功能按照診斷的流程進行排列，方便用戶在診斷過程中方便使用。如圖3所示。

圖3 系統功能按鈕流程

系統的功能區根據選擇的功能的不同顯示不同的功能界面，如參數界面、數據采集界面等。如圖4所示。

圖4 系統功能區界面

4.3.2 參數配置功能

參數配置功能用于實現對系統中基本參數、采樣參數和數據文件存儲目錄等參數的設置。如圖5所示。

圖5 參數配置界面

（1）基本參數：用于設置采集通道的采樣點數。

（2）聲音參數：用于設置聲音采集的采樣參數，如采樣頻率、采集通道數、采樣率等。

（3）聲音文件存儲位置：用于設置保存采樣數據文件的目錄。

EANMS系統使用配置文件的方式保存各種參數，用戶在首次使用時由于沒有進行參數配置，因此需要首先進行參數配置，設置采樣參數、數據文件目錄等參數，然后EANMS系統的其他功能才能正常使用。在參數設置完畢后，EANMS將參數保存到系統目錄下的參數配置文件中。如需要修改參數，則參數配置功能將修改后的參數更新到參數配置文件中。4.3.3啟動停止采集

在用于完成參數配置后，就可以點擊啟動按鈕來啟動聲音的采集，此時需要保證傳感器、數據采集卡與計算機連接正常，且能夠正常的通訊。

在啟動采集后，在功能區內可以選擇查看實時波形、趨勢圖、頻譜等功能，以實時趨勢圖為例，在啟動采集后，再實時趨勢圖上將顯示采集到聲音的聲壓級變化趨勢，同時數據被以數據文件的形式保存到指定的數據目錄下，用于回放和分析。

由于EANMS系統中具有數據文件回放功能，用于回放采集到的聲音，因此在系統設計時，將數據文件的類型設置為wav，這樣采集得到的數據文件既可以使用EANMS系統進行播放，也可以使用Windows系統支持的各種播放器進行播放，方便用戶使用。

4.3.4 數據分析功能

數據分析功能是EANMS系統的主要功能，用于實現對采集到的聲音信號的分析與故障診斷。EAMS的主要分析方法以時間波形、頻譜和趨勢分析為主，通過不同的分析方法，在不同的分析域上查看信號的特征，識別發動機的狀態，進行狀態識別和故障診斷。數據分析的功能如圖6所示。

圖6 數據分析功能列表

通過時域分析對時間域上聲音的幅值變化進行分析，可以從時間波形上分辨出明顯的沖擊、敲擊等信息。如圖7所示。

圖7 實時波形圖

在頻譜分析中，通過對頻域的與發動機主要部件對應的特征頻率的識別來判斷發動機的狀態，關鍵部件是否出現異常及故障的嚴重程度等。如圖8所示。

圖8 頻譜分析圖

趨勢分析用于對發動機在一段時間內的聲壓級變化趨勢進行分析，通過聲壓級的變化，可以識別發動機的狀態，如果出現了異常的敲擊、沖擊等異響，則發動機聲音的聲壓會發生變化，且體現在趨勢分析圖表上。此外趨勢圖將當前最大的峰值、最小的峰值和平均值進行計算并顯示在界面上，方便用戶根據最大、最小峰值進行發動機運行趨勢的判斷。如圖9所示。

圖9 實時趨勢圖

在數據分析功能使用中，需要使用到隊列機制，即數據的采集由啟動采集功能進行實現，在啟動采集.VI中創建隊列，并負責將每次采集到的數據推出隊列中。在數據分析功能中所使用的數據都是從隊列中獲取到，數據分析功能在循環中不斷的刷新隊列狀態，從隊列中讀取實時數據，對數據進行時域、頻域和趨勢分析。

4.3.5 數據回放功能

數據回放功能是EANMS系統的為配合人工診斷設置的輔助功能。在其在數據采集的同時，將采集到的聲音以wav格式保存在用戶指定的目錄下，這樣用戶就可以隨時對特定時間段采集的數據進行回放和分析，通過對回放聲音的分析，結合現場經驗，可以對數據的分析結果進行驗證，提高診斷的精確度。數據回放界面如圖10所示。首先需要選擇聲音文件，然后EANMS系統使用計算機的音箱將聲音播放出來。用戶也可以直接使用Windows支持的各種播放器進行播放。

圖10 數據回放功能界面

4.4 EANMS系統關鍵機制

為了實現數據采集過程中對數據的采集、保存、顯示和分析功能不會相互影響，且能夠同步進行，提高處理效率，在EANMS系統功能實現中，采用數據隊列的數據同步機制來實現數據的共享。EANMS所有功能所需要的數據都采用數據隊列進行后臺傳輸與共享，通過數據采集功能獲取的數據實時推動到數據隊列中，保證保存、顯示和分析功能所使用的數據同步和實時，這種設計方案既能保證采集、分析、保存等功能的同步，又能簡化程序的復雜程度，使得程序易讀、易維護、易擴展。

EANMS系統包含多種數據，如實時監測數據、聲音數據等。實時監測數據的數據源自傳感器，發動機的聲音信號經過聲音傳感器而傳輸至系統內，進而形成實時監測數據包。聲音數據作為補充分析數據，在傳感器接收聲音信號時，聲音數據就由此產生，在系統工作過程中，聲音信號不會直接參與系統的數據分析，聲音數據主要用作數據的回放功能，在當前判斷的基礎上，有經驗的工程師能夠通過聲音來判斷發動機的異響情況。因此，聲音數據是對當時的聲音進行重放工作。作為系統的重要輸入之一的實時監測數據，若將其直接引入系統，則會導致數據流的混亂，并且在功能模塊化的基礎上，直接導入數據并不容易實現，往往需要采用共享變量、全局變量等參數。但是這樣則會使得系統運行效率下降，并且伴隨內存占用量的上升。因此引入數據之前，需要對數據進行部分的處理。

5 結束語

本文對一定類型、不同狀態下的汽車發動機異響的現象以及常用的診斷方法和診斷技術進行研究。針對不同的異響原因，采用不同的診斷方法進行對比分析。基于虛擬儀器技術，在LabVIEW虛擬儀器開發平臺上開發EANMS發動機異響監測系統，該系統采集振動信號和聲音信號，對采集到的數據進行時域、頻域和趨勢分析，使用不同的信號分析方法來實現對發動機異響的故障定位，確定嚴重程度，以及預測故障的發展趨勢。為了充分利用現場工程師積累的經驗和知識，該系統除了能夠實現對振動信號的采集外，還可以實現對聲音信號的采集，并通過對采集聲音的回放，在人工診斷的輔助下實現人工診斷和現代診斷兩種方法的結合，提高診斷的準確性。對于在發動機監測與診斷領域中提高狀態監測與故障診斷水平，提高現代化診斷技術在發動機監測中的應用具有非常重要意義。

對于本文的研究結果，可以對以下幾個方面進行更近一步的研究和拓展：

（1）引入更加豐富的信號分析功能，對信號中包含的信息進行更加全面、細致的分析，以便能夠對發動機異響實現更精確的診斷。

（2）將神經網絡推理、專家系統等技術引入到發動機的異響監測與診斷中來，實現更加準確、快速的異響分析與診斷。

（3）進一步拓展液壓核心元件甚至整機的異響監測與診斷。

[1]張建俊.汽車診斷與檢測技術[M].北京：人民交通出版社，1995

[2]張成祥.用示波器對發動機異響進行檢測與診斷[J].柴油機，2004（02）：47-48.

[3]XIAO JIA.On the Technology of State Monitoring and Fault Diagnosis for Modern Automobiles and Its Developing Orien tation[J].Journal of Yangzhou Polytechnic College，2005.2：p. 013.

[4]蔣玉秀，黃鵬超.礦用自卸車自動潤滑系統異常狀態智能診斷系統[J].金屬礦山，2010（05）：139-141.

[5]梁顯華.發動機異響故障診斷[J].公路與汽運，2005（02）：17-19.

[6]劉磊.汽車發動機異響原因分析與判斷[J].淮北職業技術學院學報，2012（01）：119-120.

[7]宋立中.發動機異響的特性分析及其故障診斷[J].機械工程師，2004（05）：71-72.

[8]珊瑚.配氣機構異聲診斷與檢修[J].摩托車，2012（04）：30-45.

[9]焦述東.四沖程發動機異響判斷[J].摩托車，2012（08）：49.

[10]崔生，柳慧敏.四沖程多缸柴油發動機異響原因及排除方法[J].現代農業科技，2011（14）：28.

[11]陳同.正時齒輪連續打齒故障診斷[J].汽車維修，2012（05）：33-34.

[12]于冬梅，高波，那長沈.發動機連桿軸瓦裝配后變形與異響關系分析[J].制造業自動化，2012（23）：52-54.

[13]李金學.汽車發動機異響的聽診[J].內燃機，2004（04）：50 -51.

[14]高群欽，陳安宇.發動機異響故障的模糊專家診斷方法研究[J].小型內燃機與摩托車，2010（01）:28-30.

[15]曹雄濤，杜發榮.基于LabVIEW的柴油機狀態監測系統[J].柴油機設計與制造，2006（03）:38-43.

[16]廖傳書，韓屏.基于LabVIEW的USB數據采集系統的實現[J].工業控制計算機，2004（07）:23-24.

[17]雷剛，許勇.基于LabVIEW的發動機數據采集系統[J].現代電子技術，2012（14）:140-142.

[18]屠曉東.基于LabVIEW的發動機信號采集與分析系統研發[J].信息通信，2013（01）:55-57.

[19]楊正才，張慶永，鄧召文.基于LabVIEW的汽車發動機振動測試系統[J].儀表技術與傳感器，2012（01）:33-36.

[20]Roger S.Pressman.Software Engineering-A Practitioner’s Approach[M].The McGraw-Hill Companies，Inc，2001.

[21]Li-chao，X.U.Study of Diagnosis Method for Engine Ab normal Sound Based on Fuzzy Theories[J].Coal Mine Ma chinery，2007（11）：085.

[22]Liu，X.，X.Zhang.Design of System of Conditon Monitor ing and Fault Diagnosis for Air Compressors Based on Lab VIEW[J].Coal Mine Machinery，2011（5）：134.

[23]楊雷，劉暢，伍星.基于LabVIEW的數字信號處理虛擬實驗室研究[J].機電產品開發與創新，2011，24（1）：111-112.

Engine Abnormal Noise Monitoring System Based on LabVIEW

YANG Lei
（Yunnan Jiaotong College，Kunming Yunnan 650500，China）

An overview of the technology of virtual instrument and virtual instrument development platform of Lab－VIEW，the abnormal engine of different types and different state of the sound diagnosis causes and diagnostic methods of comparison，artificial diagnosis and diagnosis methods based on modern signal processing，based on the development of LabVIEW engine noise monitoring and diagnosis system，the analysis and diagnosis of abnormal the noise of the engine，and the engine fault diagnosis identification on the running state of engine.

engine abnormal noise；LabVIEW；condition monitoring；fault diagnosis

U472.42

A

1672-545X（2017）06-0054-07

2017-03-26

楊雷（1967-），男，貴州水城人，工學碩士，副教授、高級實驗師，研究方向：機械工程設計及運用。