发动机瞬时转速的时域分析毕业论文.doc

一．前言柴油机是—种复杂的往复式动力机械,由于结构复杂,运动部件多,使柴油机故障诊断十分困难随着现代科学技术的发展以及自动化程度的提高,柴油机故障诊断技术已从最开始的事后维修发展到定时检测、再到现代故障诊断技术的视情维修和其它类型机械的故障诊断一样,柴油机故障诊断首先必须对故障机理进行研究,并以故障信号的检测及处理为基本技术,以故障信号处理和特征提取理论为基本理论,以基于信号处理及特征提取的故障类型识别为基本方法目前对常用的柴油机故障诊断技术的研究内容其发展方向进行讨论1．1瞬时转速波动诊断法随着就车检测诊断技术的发展和发动机瞬时转速检测技术的提高,发动机转速已不仅仅是一个基本的运行参数,而且已经成为检测发动机性能与故障的手段发动机的转速按测量转角的大小(或时间的长短) 分为平均转速、循环转速和瞬时转速3 种平均转速是指发动机在一段时间内曲轴所转过的圈数与时间的比值;循环转速(或称循环平均转速) 是指发动机在一个工作循环内的平均转速;瞬时转速是指发动机在一个工作循环中每一瞬时的转速因为各缸按进气、压缩、爆发、排气的过程循环工作,作用在曲轴上的驱动力矩大于阻力矩时,曲轴转速升高;而当驱动力矩小于阻力矩时,曲轴转速下降。

发动机在一个工作循环中每缸作功一次,对于一个均匀发火的N 缸机来说,一个循环中,扭矩和转速会有N 次明显的波动图1 示出某六缸柴油机在怠速工况下各缸均匀工作时瞬时指示扭矩Mi 与瞬时转速n 随曲轴转角变化的曲线,图中以第一缸进气上止点作为0 ℃A ,因此1 ,2 ,3 ,4 ,5 与6 缸压缩上止点分别对应图中的360 ℃A ,120 ℃A ,600 ℃A ,240 ℃A ,480 ℃A 与720 ℃A当发动机的某些系统或零部件技术状况发生变化时,瞬时转速的变化规律就发生变化因此,通过对瞬时转速变化规律的研究,可以分析发动机的运行状况,判断发动机的性能,诊断发动机的故障柴油机曲轴的瞬时转速波动信号能反映机器的工作状态,通过对瞬时转速波动信号的分析可以得到机器运行状态和相关故障的丰富信息正常工况下,各缸的动力性能基本一致,柴油机运转平稳,各缸瞬时转速波动虽有差异,但总在一个不大的范围内,并呈现某种规律性;但当某个气缸工作不正常时,动力的一致性遭到破坏,柴油机运转平稳性变差,转速波动信号会产生严重变形,据此可以判断其缸内工作过程的好坏存在的不足之处在于:1) 　利用瞬时转速波动虽然能够确定工作不正常的缸位,但不能确定造成故障的原因。

例如,缸内压力降低造成曲轴瞬时转速变化,可能是活塞环或缸套磨损引起气密性变差所致,也可能为燃油系统故障造成燃烧不充分所致等等2) 　由于要反映一周内角速度的变化,瞬时转速测量仪就要求高频率响应,高精度,设备费用会很高;另外,现场安装、调试使用均较困难1．2基于振动信号的时频特征提取分析法柴油机是一种高速的往复式动力机械,缸盖振动信号是反映柴油机内部各部件之间关系的极其敏感的参数,它是缸内气体燃爆压力、进排气门落座冲击和进排气门开启气流冲击等多种激励力综合作用的结果,同时还受到机身整体振动等其它因素的影响,其表现形式既具有与工作循环有关的周期性特性,又具有非平稳时变及某些冲击特性[3 ] ,这给信号分析和诊断征兆提取带来了很大的难度振动信号特征提取分析法的依据是振动中包含有振源信息和状态等信息,振动监测及故障诊断的出发点是在机械动力特性分析及谱分析基础上,研究柴油机运行过程中的故障原因与对应的状态,主要分析方法有:1） 时域分析法振动信号的时域特征参数主要有峰峰值、均值、均方幅值、方差、标准差、三阶距、四阶距、波形因子、脉冲因子、裕度因子等这些特征参数由于测量比较直接,可以用于监测,同时也可以作为其它诊断方法的特征提取参数。

2） 频域分析法频域分析主要是通过某种变换,将振动信号从时域变换到频域,然后再进行特征提取的一种方法处理方法有古典谱估计法和现代谱估计法古典谱法基于FFT快速算法,包括周期图法、相关分析、相干分析、自谱、互谱、细化谱、倒频谱、传递函数、谱趋势分析等等现代谱法包括最大熵谱估计、ARMA 时序分析以及最小方差法等古典法的优点是可以用FFT 快速计算,物理意义明确;缺点是谱分辨率偏低,需要的数据量大,加窗后会产生泄露,方差性能不好现代谱分析法具有较高的分辨率,对数据量的要求较少,但是容易产生波形失真,信噪比低3 ）现代时频分析法时域和频域分析适用基于平稳或准平稳过程的振动信号,对柴油机而言,由于其结构复杂,震源众多,其振动信号在通频带范围内均有大量能量分布,单纯用时域或频域分析法则存在分辨率不足的问题时频分析法弥补了这一缺点主要方法有1) 短时傅里叶变换(STFT)其数学表达式为: 它具有时频局部化的功能, 在时频中相当于带通滤波器当变化时可以使窗函数在整个时域上滑动,因而具有时间局部化的特点STFT 可分析非平稳信号,但对准平稳信号效果更佳,当选定g ( t) 后,时域分辨率不变,缺乏细化功能,反映强烈瞬变非平稳信号的能力不足。

2) Wigner 时频分布数学表达式为:其加窗离散形式为:Wigner 时频的分布特点是信号在时频上的分布,由于窗函数g ( k) 的局部化性质以及x ( n + k) x3 ( n - k)的关系,它具有对准平稳信号及非平稳信号分析的能力3) 小波变换(Wavelet Transform)小波变换在振动信号分析中属于一种多分辨率的时频分析方法,具有多分辨率的时频局部化、快速线性多通道带通滤波等优点,为非平稳信号的分析提供了一个有价值的工具[4 ] 在实际工程应用中,常使用简单方便的二进小波变换小波变换的数学表达式为:小波变换相当于一个带通滤波器和一个低通滤波器,在高频范围时间分辨率高,在低频范围频率分辨率高;信号的分解和重构可有针对性地选择有关频带信息;全频带分析的结果,信息量既无冗余,也无疏漏近年来,国内外通过振动信号提取柴油机故障特征的研究已取得了较大进展,研究的重点是通过缸盖或缸体振动信号,提取燃烧激振力及排气门落座响应的频率特征,对柴油机工作过程故障进行诊断但是,这种方法大多局限于在实验室对零部件单一模拟故障的诊断方面, 距实际应用还有一定距离主要困难有[5 ] :①柴油机是一类复杂设备,表现在: 柴油机是一个由曲柄连杆机构、气门机构、燃烧系统、润滑系统、冷却系统等组成的多层系统,具有系统级、子系统级、部(组) 件级及零件级4 个层次;柴油机的结构异常复杂,加之输入、输出不明显,因而无论是定量还是定性都难以用比较完备、准确的模型对其结构、功能、以及状态等进行有效的表达;柴油机的故障及产生故障的原因有时是模糊不清的,一个故障可能是多种因素综合作用的结果,这比简单的因果对应关系复杂得多。

②柴油机的结构、运动状态复杂,型号众多,而共性归纳不够,所以适应于某台、某型号柴油机振动信号的分析法,对另一型号的柴油机未必可行;对同一机型取不同的测点进行测量,即使故障类型相同,所测量的结果都有可能是矛盾的③柴油机振源多,系统传递路径复杂,故障既有“纵向性”,又有“横向性”,这一特性带来了柴油机这一复杂系统中多个故障并存的现实,多故障的同时诊断导致对故障能否准确定位这一十分困难的诊断问题④柴油机各类故障所对应的振动频率,无论从理论上还是实践中都较难准确确定,目前所采用的谱分析故障诊断方法,只是根据功率谱的形状特征,用相似比较的办法进行确定在不同的故障形式产生相似形状功率谱图时,有可能发生误诊,给实际判断工作造成很大困难1．3基于神经网络的故障诊断法神经网络在柴油机故障诊断中的应用主要有:神经网络直接用于故障诊断,通过选择关键参数作为网络的输入层, 故障类型在输出层给出BP神经网络由于具有较强的非线性映射能力而被广泛应用于故障诊断领域它通过对故障实例的训练和学习,用分布在神经网络中的连接权值来表达所学习的故障诊断知识,具有对故障的联想记忆、模式匹配和相似归纳的能力,可以实现故障和征兆间的复杂的非线性映射关系。

但是,基本BP 算法存在着局部极值和收敛速度慢等缺点在神经网络中引入模拟退火法和遗传算法,可以有效地解决局部极值,提高算法的收敛速度2) 　自适应神经网络模式识别传统模式识别过程在特征提取上具有很大的盲目性,效率低而自适应神经网络利用神经网络分布式信息存储和并行处理,避开了模式识别中建模和特征提取的麻烦,从而消除了模式不符和特征提取不当所带来的影响,使故障状态易于识别3) 　模糊神经网络在故障诊断应用中具有广阔的前景由于柴油机状态信号传播路径复杂、故障与特征参数的映射关系模糊,再加上边界条件的不确定性、运行工况的多变性,使故障征兆和故障原因之间难以建立准确的对应关系模糊神经网络应用模糊集合论模糊语言变量及模糊逻辑推理来模拟人的模糊思维方法,采用多层前向网络结构,结合人们的先验知识进行模糊推理,使之具有准确的非线性拟合和学习能力由于权值初始化可根据先验知识人为选择,因此,网络的学习速度大大加快,并在一定程度上回避了梯度下降法存在的局部极值问题4) 　神经网络与专家系统相结合主要有两种策略:一是将专家系统构成神经网络,把传统专家系统的基于符号的推理变成基于数值运算的推理,以提高专家系统的执行效率并利用其学习能力解决专家系统的学习问题;二是将神经网络视为一类知识源的表达和处理模型,与其它知识表达模型一起去表达领域专家的知识。

实践证明,神经网络和专家系统结合,互补长短,克服了神经网络存在的诊断推理不清楚、诊断解释机制不强以及专家系统的知识“瓶颈问题”等缺陷,达到一种较完美的组合此外,粗糙集(Rough Sets) 理论方法用于刻划不完整数据和不精确知识的表达、学习和归纳十分有效它能有效地分析和处理不精确、不完整、不一致等不完备性,发现数据间隐藏的关系,从而提取有用信息,简化信息的处理用粗糙集理论优化条件属性和决策属性,再用神经网络对属性进行聚类分析,可以减少神经网络的输入节点数,提高学习效率5）　基于专家系统的智能化诊断方法专家系统是人工智能的主要分支之一,其核心内容包括:知识库、知识获取、推理机和解释部分专家系统按其知识表达方式的不同可分为基于规则的和基于框架的专家系统;按其推理方式的不同可分为正向推理和逆向推理在知识表达方面,利用产生式规则进行知识表达,一方面得益于现有人工智能语言,如LISP ; 另一方面是它的表达合乎人的心理逻辑,便于进行知识获取,利于人们接受利用框架进行知识表达得到了越来越多的应用,这主要得益于以C 语言为代表的面向对象的编程技术的兴起及普及,C 语言对面向对象的数据结构极为支持,而框架正是一种面向对象的数据结构。

在诊断推理方面,主要表现在对推理逻辑和推理模型的研究上在人工智能领域, 存在着许多推理逻辑,较著名的有模态逻辑与动态逻辑、3 - 值逻辑、直觉主义逻辑的类型理论、时态理论、面向非单调推理的语义理论及不精确推理等模糊逻辑作为一种降低系统复杂性的方法近期在专家系统的推理逻辑中得到了广泛应用,较成熟的有Zadeh 的近似推理方法、Dempster和Shafer 针对贝叶斯概率理论中先验概率难以获取而提出的证据理论等,国内的许多专家系统也对模糊逻辑进行了发展;对推理模型的研究则表现在如何对推理的知识进行划分及控制,从而使推理过程更为有效如Davis 基于结构与功能的推理模型,Gallanti 和Fink提出的集成诊断模型,Peng 的层次因果模型等值得注意的是,最近有学者提出基于模型的知识库理论,这使推理机制发生了根本改变,如神经网络模型、定性物理模型、可视觉模型等,这无疑给人工智能领域注入了新的活力上述各类方法,虽然在现场应用的难度上对柴油机故障诊断的准确性、可靠性、适用性等方面不同程度的存在一些缺陷,但是,它们丰。