基于缸盖振动信号能量特征的柴油机配气机构故障诊断.doc

《基于缸盖振动信号能量特征的柴油机配气机构故障诊断.doc》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于缸盖振动信号能量特征的柴油机配气机构故障诊断【摘要】通过运用基于缸盖振动信号能量特征的信息识别模型,专门针对柴油机配气机构易发故障的特点，探讨了基于SVM的信息识别技术在柴油机故障诊断中的具体运用o通过对实车数据比较试验表明，此方法在识别柴油机配气机构的故障类型上相比丁•传统诊断方法更加有效。【关键词】故障诊断;配气机构;振动信号;能量特征配气机构是柴油机的主要运动部件之一，其中气门起着控制气缸换气，密封燃烧室的作用。气门间隙正常与否，直接影响着柴油机的动力性、经济性和可靠性。间隙过小时，会因气门受热膨胀而使气门关闭不严引起漏气，使得气门和气门座口过热

2、而烧蚀，导致气缸压力不足，严重时甚至会造成启动困难；间隙过大时，气门开闭不正时，柴油机噪音增大，进气不足和排气不尽，柴油机功率下降，油耗增加。因此，必须通过检查使气门间隙处于正常范围内，通常分为故障前检查和故障后检查。前者带有一定的盲目性，且在拆装过程中对各运动副的配合间隙产生影响；而后者是在发生故障后进行检测，柴油机本身已经受到不可逆转的损害［1］。这些过程中都包含着人量的振动信号。柴油机振动信号源丁燃烧激励、活塞敲击激励、惯性力激励、气门落座冲击和气门开启节流冲击等多种激励源的综合作用［2］,其中包含了丰富的故障信息,并且具有信号便于分辨、快速响应、识

3、别精度高、检测区域广泛等优点，适宜于柴油机主耍运动部件的诊断。因此，如何在特征层融合中利用振动信号来识别气门间隙的状态,为决策层融合提供可靠的依据，确保故障得到及时、有效地检修，具有很强的现实意义。1•柴油机振动信号的处理与诊断振动信号故障特征提取：在检测信号时，各零部件运行时产生的振动和随机噪声都会影响到气门故障特征信号，因此需要对其进行故障特征的提取。下面以排气门附近的螺栓处传感器测得的信号为例进行说明。图1-1状态A进排气门间隙均正常时信号的时域波形及其三维时频图1.1各工况信号的时频域分析实验设置五种工况：状态A进排气门间隙均正常、状态B排气门间隙

4、过小、状态C排气门间隙过大、状态E进排气门间隙均过小、状态F进排气门间隙均过人。对排气门附近的螺栓处传感器测得的信号进行时频域分析，如图1T至1~5所示。图1-2状态B排气门间隙过小时信号的时域波形及其三维时频图图1-3状态C排气门间隙过大时信号的时域波形及其三维时频图图1-4状态E进排气门间隙均过小时信号的时域波形及其三维时频图图1-5状态F进排气门间隙均过小时信号的时域波形及其三维时频图振动信号的幅值峰值的分布的时间、频率段出现明显受到气门间隙的影响，且间隙增大，幅值的峰值也增大。而信号的幅值与信号的能量紧密相连，气门间隙界常时，其振动信号中某些频段的

5、能量与信号的复杂性也发生变化，因此，可提取信号的能量和复杂性特征作为故障特征。1.2IMF分量的选取EMD可根据信号的局部时变特性进行自适应的时频分解，将信号分解成若干个固有模式分量(IMF)，减少了信号间特征信息的干涉或耦合，利于深层次的信息挖掘［3］。将重点段信号进行EMD分解发现不同类别的信号得到的IMF分量Ci的个数略有不同，有10个、11个不等，这显然不利于计算。为方便计算和去除兀余分量和虚假分量，要采用一定准则对TMF分量进行选取。本文经对比分析后采用方差贡献率准则。依据公式1-5计算各IMF的贡献率Mi,再对多个信号计算取平均值后结果见表1-

6、1所示。(1-1)(1-2)式中：Di为第i个TMF分量的方差;N为信号EMD分解所得IMF个数;At为采样周期;n为采样点数;k为采样点。综合前文分析，信号的幅值与信号的能量紧密相连，因此可用TMF能量作为故障特征［4］,如IMF能量爛［5］、能量比⑹、能量矩［7］等,本文采用计算复杂度较小的能量比，其具体步骤如下：第一步：对去噪后的信号进行EMD分解，依据TMF方差贡献率准则选取了前六个IMF分量Ci(t)进行计算,i二1,2,…，n(n二5)。第二步：按式1-7计算IMF的能量，其中n为采样点数;k为采样点。(1-3)第三步：构造特征向量并归一化处理

7、为T(1-4)按照上述步骤提取IMF能量比，共提取每种状态各提取20组故障特征向量。2.配气机构故障的SVM识别敏感故障特征集的建立：以上故障特征都可以从不同的角度来表征柴油机配气机构中的气门间隙异常故障，但对于待识别的故障具有不同的灵敏程度。因此需建立一定的特征敏感性评判准则对各特征进行对比分析，对各特征进行有效选择，以最终构成用于分类的敏感故障特征集。木文采用基于更离的特征敏感性评判准则，认为平均类内距离小和均类间距离大的平的特征才具有好的可分性[8][9]o设一个具有T个类的特征集：{Xm,t,j,m=l,2,…，Mt};t二1,2,…，T;j=l,

8、2,…,J(2-1)式中：Xm,t,j为第t类的第m个样本的第j个