汽車發動機失火故障診斷方法研究綜述

甘超輝

摘 要：失火故障診斷是汽車車載診斷系統（On-boarddiagnostic，OBD）的重要組成部分，其直接關系到車輛行駛過程中的排放、燃油消耗和發動機損傷。

關鍵詞：汽車發動機 失火故障 診斷方法

一、失火故障判別依據

1、氣缸外部因素

1.1曲軸由瞬時角速度

氣缸每一次點火成功，發動機即會獲得動力輸入，進而引起發動機速度波動如果忽略慣性扭矩、負載扭矩、摩擦扭矩和泵吸扭矩等因素，則發動機曲軸角速度的波動與燃燒動力產生的波形將是直接相關的因此研究曲軸角速度的變化規律，即可提供一種失火檢測的方法。

由于曲軸角速度容易測量，所以曲軸瞬時角速度是目前應用最廣泛的一種失火判別依據然而，需要注意的是，曲軸瞬時角速度在發動機高速和輕載運行時，測量誤差較大，導致失火診斷精度不高，并且容易受外界干擾和摩擦的影響，如曲軸速度傳感器誤差、曲軸旋轉振蕩、速度變化和負荷變化以及路況等影響，因此對角速度進行預處理十分重要針對曲軸角速度中包含大量噪聲的問題，對曲軸角速度進行信號調制和階次分析，提高了失火診斷精度針對曲軸角速度的不穩定問題，對其進行歸一化處理，提高了發動機失火檢測性能為了提高曲軸角速度檢測方法的精度，一方茵，從信號變換的角度，例如利用傅里葉變換、小波分析、時頻分析以及主成分分析等方法可對曲軸速度進行處理，提取失火診斷的有用成分，減少運算量，提高診斷精度；另一方茵，從殘差生成的角度，利用卡爾曼濾波器等可對含噪聲的曲軸角速度進行重構，實現狀態觀測器設計，完成對目標參數的估計此外，滑模跟蹤控制器和神經網絡可實現失火檢測、定位與嚴重性判斷等。

1.2曲車由瞬時角加速度

研究發現，相比于曲軸瞬時角速度，曲軸瞬時角加速度用于發動機失火故障診斷效果更好。根據牛頓第二定律，旋轉體的角加速度與恰好起作用的力偶成正比，每缸在一定的點火順序下進行點火，曲軸間斷性地獲得能量和角加速度，且失火時曲軸角加速度將出現更大的峰值以便識別，因此曲軸瞬時角加速度比曲軸角速度更能直接反映發動機的實際工作運行狀態。

曲軸角加速度在正常狀態和失火狀態下，其波形具有一定的規律性，失火診斷可通過觀測波形變化實現失火診斷由于角加速度中包含著失火的瞬時信息，通過合適的特征提取方法可得到理想的失火信號。在自相關和三重相關算法的基礎上，提出一種多重相關算法用于失火瞬時信息的頻域提取，可實現失火故障實時監測也有文獻利用希爾伯特變換對加速度進行處理，將得到的相位調制信號進行分析，用以失火故障檢測，可有效剔除信號中的噪聲，提高診斷精度而針對曲軸轉速的瞬態變化規律，引入曲軸轉速段加速度的概念該方法能更實時、精確地完成內燃機失火故障診斷通過發動機硬件平臺搭建，曲軸角加速度信號可利用加速度傳感器進行采集但在實際發動機中，曲軸角加速度傳感器并不存在，導致該方法的實際應用受到一定程度影響針對此問題，一種常見的解決方法是將曲軸角速度作為輸入，利用觀測器對曲軸角加速度進行估計。

2、氣缸內部因素

2.1 離子電流信號

發動機氣缸內的燃油混合物燃燒過程中產生了大量的電離信號，燃燒室的電離信號提供了關于燃燒質量的相關信息測量的離子電流可估計燃燒過程中的許多參數，包括燃燒室壓力、燃燒起始空燃比、燃油混合物等，當離子電流信號特別微弱時，便暗示著氣缸可能失火對于SI（Sparkignition）發動機，火花塞便可用作離子電流測量的探頭，在火花點火完成后進行測量，但需保證火花塞電極的電壓達到150V，正確區分電流信號點火、火焰燃燒以及火焰消失后的3個相位，并對遲滯的電流信號進行處理，提取出失火的特征信息此方法新穎，且擁有很好的前景，近幾年年研究熱度有所上升。進行了HCCI發動機閉環燃燒控制試驗，通過分析正常燃燒、部分失火及完全失火烹種狀態的離子電流信號特征，離子信號幅值或積分值可實現失火判別，并將其作為反饋信息用于失火循環內補火燃燒控制，即在失火循環內通過火花塞補火實現}缸內混合氣后燃，有助于引燃混合氣，降低碳氫排放進一步分析了正常燃燒、部分燃燒、失火和補火燃燒4種狀態的離子電流信號特征，計算出冷啟動工況下離子電流信號的失火門限值為0.4V，并給出了不同工況下門限值的計算方法，實現了可靠的失火檢測功能。對離子電流信號的功能進行了推廣，通過在氣缸墊內對稱布置8個離子電流測量電極，采集了發動機正常燃燒、爆震和失火時氣缸內的離子電流信號，進而給出了爆震和失火的診斷依據，由此測得的離子電流能夠有效地避免點火信號的干擾，有助于獲取發動機氣缸內多個位置的燃燒信息

2.2光學信號

發動機燃燒室燃燒過程信息可通過光學的方法獲取該方法本質上是一種視覺可見的方法，通常需要記錄或評估可見光和熱輻射范圍內的電磁輻射，可直接對燃燒室內的燃料混合物情況、電荷運動情況、燃燒過程（點火、火焰擴散）等進行觀測，利用透鏡的傅里葉變換效應處理獲得的光學圖像信息會是不錯的選擇。立體攝影術和視頻內窺鏡方法，可實現對燃燒過程信息的獲取，可用于失火故障的診斷該方法主要用于實驗性研究，并且實現過程簡單。提出了一種探測燃燒過程的高速光學紅外技術，利用缸內光纖傳感器研究了SI發動機起動初始段瞬態過程的燃燒與排放特性。

二、失火故障診斷方法分類

1、基于數據的失火故障診斷方法

1.1失火故障數據預處理

研究發現，信號處理與特征參數提取是基于數據的失火故障診斷方法實現的關鍵，它將有助于提高失火故障診斷的精度和診斷算法的收斂速度故障數據處理過程。信號處理有助于進一步提高網絡響應的速度自適應多尺度形態梯度算法是信號處理的一種有效方法，綜合利用小尺度下能保留信號細竹（如沖擊特征信息）和大尺度下抑制噪聲能力強的優點，能夠在強噪聲背景下有效地提取振動信號中能夠反映發動機工作狀態的有用分量?；诖瞬捎梅秦摼仃嚪纸獾奶卣魈崛》椒▽π盘栠M行壓縮，計算用于發動機故障診斷的特征參量與傳統的信號處理與特征參量提取方法相比，該方法具有更高的分類精度，為準確判斷發動機故障狀態提供了一種行之有效的新方法。

1.2結合神經網絡的失火故障診斷

結合神經網絡方法進行發動機失火故障診斷是目前應用最廣泛的方法之一。神經網絡對高壓共軌式電控柴油機故障進行診斷，結合動量自適應學習率算法實現了對神經網絡權值的自適應設計，有效縮短了網絡訓練的時間鑒于RBF（Radialbasisfunction）網絡響應比BP網絡更迅速，收斂更快的特點，運用RBF網絡實現；對電噴發動機故障的診斷。針對Elman網絡增加隱層或系統階次學習效率低、精度不高等問題，進一步提出改進型Elman網絡，用于實現發動機點火故障的診斷，獲得了較高的診斷精度。提出了增量式學習神經網絡，相比于BP神經網絡，它具有在線增量式學習能力，且不遺忘系統己有的專家知識，失火檢測能力更好，可實現離線和在線失火故障診斷進一步地，提出了一種應用神經網絡的先進自動失火診斷系統，該系統包含3個步驟：故障診斷、故障定位和故障嚴重程度識別特別是在故障嚴重程度識別中，針對不同的發動機轉速情形，設計了飽和線性傳遞函數的獨立多層感知器網絡，可得到較好的分類效果但針對神經網絡的失火故障診斷方法整體設計過程較為復雜，且計算復雜度較高，不利于在線失火故障診斷。

結束語

總之，因此進一步完善全工況范圍內的失火故障診斷方法，應將失火故障診斷方法研究推廣至發動機怠速工況。

參考文獻

[1]滿朝，吳筱敏，高忠權，孟祥文，黃佐華，婁玉峰.不同位置電極附近溫度與焰后區離子電流的關系[J].內燃機學報，2011（03）：260-264.

[2]高忠權，吳筱敏，向往，宋軼明，皮敏，黃佐華.電極結構對離子電流影響的試驗研究[J].內燃機學報，2008（04）：364-368.