許小偉,劉振興,嚴運兵,南 欣
(武漢科技大學汽車與交通工程學院,湖北 武漢 430065)
面對能源緊缺和環境污染制約著傳統汽車發展的困境,增程式電動汽車應運而生[1]。由于燃料電池仍存在技術和工程應用障礙,發動機/發電機型仍然是目前增程式電動汽車的現實方案[2]。發動機作為増程器的核心部件,僅在電池電量不足時使用,其運行功率通常較低,較少在額定工況下長期運行。其次,由于發動機的不定期使用、摩擦、磨損易造成氣缸漏氣、漏油等異常現象,引起氣缸無法著火的失火故障,進而導致增程器工作性能惡化、續航里程變短、振動噪聲增大等結果。所以失火故障程度檢測和位置確定對于提高增程式電動汽車的安全性、可靠性和經濟性具有重要的意義[3]。
目前,國內外關于電動汽車增程器失火故障的研究較少,現有的診斷方法多針對大型柴油機,包括波形分析、壓力估計、頻譜分析和智能診斷等。其中,波形分析可直接提取特征參數、計算量較小,但發動機各缸之間相互干擾較大且帶有非線性特征,難以準確地進行故障診斷研究[4];缸壓估計能夠利用缸壓信號所包含的信息進行診斷,卻依賴于結構參數的設置[5];智能診斷對數據進行學習,深入挖掘多特征參數的內在聯系,提高了診斷效率和識別正確率,但對樣本的數量和質量要求高,不適合大規模的在線監測與故障診斷[6]。增程式電動汽車中的發動機功率較低,瞬時轉速信號同轉矩波動一致能表征發動機運行狀態;……