基于發動機運行狀態參數的故障提取方法研究

盧欣欣

摘 要：汽車發動機是機、電、液一體化的復雜系統，具有非線性、多變量、多參數和時變等特點，其故障約占汽車全部故障的40%以上。因此，為避免嚴重事故的發生，運用故障診斷技術及時了解發動機的工作性能，判斷各部件是否處于或即將處于某種故障狀態，對汽車發動機展開故障診斷技術理論和診斷系統的研究有著非常重要而又現實的意義本文以汽車最關鍵部件--發動機為研究對象，在分析發動機、自動變速器的工作原理和傳統故障檢測方式弊端的基礎上，提出了基于發動機運行狀態參數故障特征提取的方法。

關鍵詞：發動機；振動信號；運行參數；故障診斷方法

1引言

基于振動信號的特征提取為車輛包括發動機、變速器等機械零部件結構的故障診斷提供了充分有效的診斷信息，與此同時，隨著汽車電氣化水平的迅速提高，大量電子元器件在車輛上的廣泛應用，也推動了車載自診斷系統和故障診斷儀的快速發展，這些技術設備的投入和使用，為車輛電控單元的故障診斷提供了有力工具。

基于振動信號的故障診斷理論和方法，能夠較好滿足針對于車輛的機械結構的故障診斷，而車載自診斷系統和專業故障診斷儀的應用，也逐漸提高車輛包括發動機在內等帶有電控單元部件故障診斷的水平，但與此同時我們也應該注意這樣一些問題，即（1）對車輛電控部分的故障診斷主要依賴于專門的故障診斷儀和專業診斷人員的知識、經驗水平等。（2）基于振動信號的故障診斷理論方法和利用專業故障診斷設備進行診斷都是得到廣泛應用較成熟的方法，但這兩種診斷方法和手段之間缺乏一定的聯系。

本文的研究旨在根據車輛發動機、自動變速器等工作原理和故障發生特點，探索一種新的基于發動機或自動變速器單元運行狀態參數的故障診斷特征提取方法，并結合基于振動信號的故障診斷方法，建立一種較為完善的車輛綜合故障診斷特征提取機制。通過對人工智能理論的研究，建立有效的故障診斷理論模型和信息融合方法，在理論研究的基礎上設計相應的故障診斷平臺，為最終實現車輛智能綜合故障診斷奠定基礎。

2電控發動機結構簡介

對車輛帶有電控單元的部件如發動機或自動變速器的故障診斷方法進行改進，首先應該充分了解電控發動機和自動變速器的工作原理、常見故障以及傳統的排除故障方法，發現存在的問題，尋求最優解決方案。

電控汽油噴射系統雖然種類很多，結構差異也比較大，但是它們的基本組成以及控制原理基本是相同的。電控汽油噴射系統主要由空氣供給系統、燃油供給系統以及電子控制系統三個部分組成。它的結構如圖1所示。

2電控發動機常見故障及排除方法

電控發動機電控系統的工作狀況對發動機的運轉性能有很大影響，無論是該系統的電腦、控制線路還是其他任何一個傳感器、執行器出現故障，都會在一定程度上影響發動機的起動性、運轉穩定性、動力性、經濟性、排放性等諸多性能。因此，當電控發動機出現故障或性能下降時，首先應檢查該發動機的電控系統有無故障。

電控發動機常見的故障包括無法啟動、怠速不穩等，以下以怠速不穩為例簡要介紹其故障產生原因和診斷、排除方法。

（1）故障現象：發動機起動正常，但不論冷車或熱車，怠速均不穩定，怠速轉速過低，易熄火。

（2）故障原因：①進氣系統中有漏氣；②油路壓力太低；③空氣濾清器堵塞；④噴油器霧化不良、漏油或堵塞；⑤怠速調整不當；⑥怠速控制閥或旁通空氣閥工作不良；⑦火花塞工作不良；⑧空氣流量計有故障；⑨氣缸壓縮壓力過低。

（3）故障診斷與排除

一定的故障情況下，發動機的車速、節氣門開度等運行狀態參數與故障原因之間存在一定的映射關系，通過對這些運行狀態參數的測定和分析，可以推斷發動機各部件所處的工作狀態。因此，這里也可以把發動機的轉速、節氣門開度等運行狀態參數作為故障診斷特征。與前面介紹的從振動信號中進行故障診斷特征向量提取相似，可以利用神經網絡的方法抽取出這些參數（故障診斷特征向量）和發動機故障原因之間的非線性關系或特征規律，建立診斷數學模型，以便在診斷中能就此模型正確識別出對應于特征規律的故障。

車輛本身結構的復雜性和各工作單元之間的藕合關系，決定著對發動機單元的智能監測和故障診斷不單純是對發動機本體運行狀態監測，發動機本身運行狀態參數的變化，將直接或間接影響到其它結構單元如自動變速器的工作狀態，反之也是如此。這一點從自動變速器的組成及工作原理方面可以得到證明。

5結束語

本文首先歸納總結常用的基于發動機機械結構體振動信號的故障特征信息提取方法，在此基礎上，為解決利用振動信號進行發動機機械部件故障診斷和利用專用診斷儀對發動機電控單元進行故障診斷這兩種方法中存在的信息來源單一問題，提出一種新的故障診斷特征提取方法，即將發動機轉速、油溫、節氣門開度等運行狀態傳感器信號作為診斷信息來源，提取其中的故障信息特征。本文的研究具有一定實踐意義，為車輛故障診斷提供了參考。

參考文獻：

[1]李增芳.基于主成分分析和集成神經網絡的發動機故障診斷模型研究[J].農業工程學報，2016，（04）： 131-134.

[2]李增芳.基于人工智能和虛擬儀器技術的發動機故障診斷專家系統研究[D].杭州：浙江大學，2014.

[3]黃強.神經網絡技術在柴油機故障診斷與控制中應用的研究[D].武漢：華中科技大學，2013.

[4]黃松波.設備故障診斷原理技術及應用[M].北京：科學出版社，2008.