信號(hào)處理方法在發(fā)動(dòng)機(jī)故障診斷的應(yīng)用

胡志遠(yuǎn)+劉占峰+劉佳婧

摘 要：隨著現(xiàn)代工業(yè)的發(fā)展，汽車發(fā)動(dòng)機(jī)的結(jié)構(gòu)越來越復(fù)雜，對發(fā)動(dòng)機(jī)故障診斷必然是要更加快速準(zhǔn)確本文主要介紹了信號(hào)處理方法在發(fā)動(dòng)機(jī)故障診斷中的應(yīng)用。

關(guān)鍵詞：發(fā)動(dòng)機(jī)；故障診斷；信號(hào)處理

DOI：10.16640/j.cnki.37-1222/t.2018.04.022

0 引言

由于發(fā)動(dòng)機(jī)所處工作環(huán)境惡劣和其結(jié)構(gòu)復(fù)雜的特性極易出現(xiàn)故障。為了預(yù)防和診斷故障則需要更多地了解發(fā)動(dòng)機(jī)的工作狀況，通過對比發(fā)動(dòng)機(jī)工作過程中產(chǎn)生相關(guān)的相關(guān)信息來對發(fā)動(dòng)機(jī)的故障進(jìn)行分析、診斷，從而使診斷工作的便利性增加[1]。

1 振動(dòng)信號(hào)測試方法

在發(fā)動(dòng)機(jī)工作過程中會(huì)產(chǎn)生大量的振動(dòng)信號(hào)，當(dāng)發(fā)動(dòng)機(jī)出現(xiàn)某種故障的時(shí)候，其相應(yīng)部位所產(chǎn)生的振動(dòng)激勵(lì)信號(hào)就會(huì)作用時(shí)間和能量強(qiáng)度發(fā)生一定的改變。因此在對發(fā)動(dòng)機(jī)故障診斷時(shí)通過對振動(dòng)信號(hào)進(jìn)行采集，然后對其進(jìn)行分析、加工，把反映發(fā)動(dòng)機(jī)故障的特征信息篩選出來，之后將信號(hào)處理后獲得的特征參數(shù)與判別參數(shù)進(jìn)行對比來確定發(fā)動(dòng)機(jī)的運(yùn)行狀態(tài)，從而來判斷發(fā)動(dòng)機(jī)是否發(fā)生故障，這樣可以快速準(zhǔn)確的對發(fā)動(dòng)機(jī)故障的種類進(jìn)行識(shí)別[2]。

2 汽車發(fā)動(dòng)機(jī)故障診斷信號(hào)處理方法

通過信號(hào)處理方法對汽車發(fā)動(dòng)機(jī)的故障診斷本質(zhì)上就是對模式的辨認(rèn)、識(shí)別和分類的問題。從這兩點(diǎn)來看，這種故障診斷的方法可以概括成對發(fā)動(dòng)機(jī)的故障特征提取、對特征的模式進(jìn)行識(shí)別和獲取發(fā)動(dòng)機(jī)的數(shù)據(jù)信息。下面對信號(hào)處理的汽車發(fā)動(dòng)機(jī)故障診斷的方法中主要的方法進(jìn)行介紹。

2.1 主元分析法

主元分析法是利用壓縮數(shù)據(jù)的降維來簡化數(shù)據(jù)集的技術(shù)，從而提取其中的關(guān)鍵信息[3]。主元分析法實(shí)現(xiàn)對發(fā)動(dòng)機(jī)故障診斷的方式是：通過把發(fā)動(dòng)機(jī)正常工況下的數(shù)據(jù)按照主元分析法的方式建立一個(gè)主元模型，然后對發(fā)動(dòng)機(jī)運(yùn)行的信號(hào)進(jìn)行測量，如果所測量的實(shí)際運(yùn)行信號(hào)與之前建立的主元存在差異，則說明汽車發(fā)動(dòng)機(jī)存在故障。再通過對數(shù)據(jù)進(jìn)行分析，分離出發(fā)動(dòng)機(jī)的故障，該方法可以在大量干擾數(shù)據(jù)下提取出發(fā)動(dòng)機(jī)的故障信號(hào)，對發(fā)動(dòng)機(jī)的故障診斷十分有效。

2.2 小波變換

小波分析是一種新的變換方法，其基本原理是：將連續(xù)變化的時(shí)域信號(hào)用小波域表示，聯(lián)合時(shí)間尺度和頻率細(xì)節(jié)來描述信號(hào)；小波變換在分析信號(hào)的局部特點(diǎn)時(shí)，能實(shí)現(xiàn)高頻處高分辨率，低頻處地分辨率的不同變換，對信號(hào)中的不同頻率分量采用不同的分辨率來分析；再通過對信號(hào)的連續(xù)小波變換分解為多個(gè)尺度下的細(xì)節(jié)，從而對信號(hào)特征來進(jìn)行提取。小波變換通過對發(fā)動(dòng)機(jī)運(yùn)行狀態(tài)下的振動(dòng)信號(hào)進(jìn)行時(shí)頻分析，對參數(shù)的變化進(jìn)行分析、總結(jié)，從而來判斷發(fā)動(dòng)機(jī)是否發(fā)生故障。

2.3 混沌與分形理論

混沌與分形是非線性動(dòng)力學(xué)系統(tǒng)的兩個(gè)特，但它們又都是非線性方程所描述的非平衡的過程和結(jié)果，混沌是以時(shí)間序列下不穩(wěn)定的發(fā)散過程為研究對象，分形主要研究幾何空間結(jié)構(gòu)。混沌狀態(tài)所出現(xiàn)的奇異吸引子就是分形集，可以說成混沌是時(shí)間上的分形，而分形所研究得到分形維數(shù)就是空間上的混沌。對需要診斷的發(fā)動(dòng)機(jī)采集振動(dòng)信號(hào)，對信號(hào)用準(zhǔn)相圖來表示，再通過關(guān)聯(lián)維數(shù)進(jìn)行計(jì)算，通過對比發(fā)動(dòng)機(jī)各種不同工況下關(guān)聯(lián)維數(shù)的差異，進(jìn)而對發(fā)動(dòng)機(jī)的故障進(jìn)行判別。

2.4 經(jīng)驗(yàn)?zāi)B(tài)分解

經(jīng)驗(yàn)?zāi)B(tài)分解方法是提出用于處理非線性非平穩(wěn)信號(hào)數(shù)據(jù)的方法，其進(jìn)本原理就是把信號(hào)中不同尺度的波動(dòng)或趨勢逐級(jí)分解開來，產(chǎn)生一系列具有不同特征尺度的數(shù)據(jù)序列，每一個(gè)序列稱為一個(gè)本征模態(tài)函數(shù)。通過對本征模態(tài)函數(shù)進(jìn)行希爾伯特變換得到振幅-頻率-時(shí)間的三維譜分布。利用經(jīng)驗(yàn)?zāi)B(tài)分解方法對發(fā)動(dòng)機(jī)振動(dòng)信號(hào)進(jìn)行分解，再進(jìn)一步求信號(hào)的hilbert譜和邊際譜，通過hilbert 邊際譜得到振動(dòng)信號(hào)的頻率分布和發(fā)動(dòng)機(jī)正常工況下的參數(shù)對比，來判斷發(fā)動(dòng)機(jī)是否發(fā)生故障以及故障類別。

3 多種信號(hào)處理方法相結(jié)合的診斷方法

以上各種方法在處理發(fā)動(dòng)機(jī)故障信號(hào)過程中有著各自的優(yōu)缺點(diǎn)。而且隨著發(fā)動(dòng)機(jī)的結(jié)構(gòu)越來越復(fù)雜，依靠其中單一的方法已經(jīng)不能足夠?qū)Πl(fā)動(dòng)機(jī)的故障進(jìn)行準(zhǔn)確快速的識(shí)別診斷。因此多種方法相結(jié)合的故障診斷方法在發(fā)動(dòng)機(jī)故障診斷中的應(yīng)用是發(fā)展的必然趨勢。

3.1 小波變換與經(jīng)驗(yàn)?zāi)B(tài)分解相結(jié)合的方法

小波變換針對多種復(fù)雜的信號(hào)形式，小波去燥缺乏自適應(yīng)性，而經(jīng)驗(yàn)?zāi)B(tài)分解方法對處理非平穩(wěn)限號(hào)具有自適應(yīng)性。因此綜合這兩種方法對發(fā)動(dòng)機(jī)振動(dòng)信號(hào)進(jìn)行處理可以綜合兩者優(yōu)點(diǎn)。首先對發(fā)動(dòng)機(jī)的振動(dòng)信號(hào)作EMD分解，得到從高頻到低頻的本征模態(tài)函數(shù)和殘余項(xiàng)，然后在利用小波變換對信號(hào)進(jìn)行處理，得到故障特征信息，從而來判斷發(fā)動(dòng)機(jī)故障。

3.2 模糊理論和神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法

模糊故障診斷是利用模糊集合理論中的隸屬函數(shù)和模糊關(guān)系矩陣來描述故障與征兆之間的關(guān)系，進(jìn)而實(shí)現(xiàn)對故障的診斷。神經(jīng)網(wǎng)絡(luò)具有優(yōu)化計(jì)算和非線性映射的能力，且主要是從后向前逐層傳播輸出層的誤差，間接計(jì)算出隱層誤差。把采集的發(fā)動(dòng)機(jī)振動(dòng)信號(hào)輸入進(jìn)行神經(jīng)網(wǎng)絡(luò)第一層處理，之后運(yùn)用模糊理論對信號(hào)進(jìn)行第二層處理，之后把輸入層映射出輸出層，把信號(hào)輸出為模糊化數(shù)值，根據(jù)處理后信號(hào)隸屬度來對發(fā)動(dòng)機(jī)的故障進(jìn)行診斷。

4 結(jié)語

本文介紹了在發(fā)動(dòng)機(jī)故障診斷中應(yīng)用較多的信號(hào)處理方法，可以看出隨著發(fā)動(dòng)機(jī)結(jié)構(gòu)變得復(fù)雜，多種方法相結(jié)合的故障診斷方法是發(fā)動(dòng)機(jī)故障診斷技術(shù)發(fā)展的必然趨勢，也使得發(fā)動(dòng)機(jī)故障診斷的方法變得更加多元化、智能化。

參考文獻(xiàn)：

[1]陳修禹.汽車發(fā)動(dòng)機(jī)故障診斷研究的理論與方法[J].科技資訊， 2016，14（04）：54-55.

[2]任慶霜，司景萍，梁紅波等.基于振動(dòng)信號(hào)的發(fā)動(dòng)機(jī)故障診斷方法分析[J].公路與汽運(yùn)，2010（03）：22-25.

[3]熊沂鋮，王杏，李金龍等.汽車發(fā)動(dòng)機(jī)故障診斷研究的理論與方法[J].時(shí)代農(nóng)機(jī)，2016，43（07）：45-46.

本文系內(nèi)蒙古自治區(qū)自然科學(xué)基金項(xiàng)目 ：“基于灰色理論發(fā)動(dòng)機(jī)缸壁間隙檢測方法研究” 項(xiàng)目編號(hào)2017MS 0529

作者簡介：胡志遠(yuǎn)（1991-），男，安徽亳州人，碩士，研究方向：汽車智能診斷與檢測技術(shù)。endprint