（机械设计及理论专业论文）单缸风冷柴油机故障诊断系统的研究.pdf

福建农林大学硕士学位论文单缸风冷柴油机故障诊断系统的研究 摘要 随着当今社会工业水平的迅猛发展，作为常用动力机械设备的柴油机。被广泛应用于工 程机械、固定发电及特种船舶等领域。一方面它能大大提高产品质量和劳动生产率；另一方 面如果某一部分出现故障，会造成经济损失，甚至危及人身安全。开展柴油机故障诊断技术 研究，既能帮助我们发现故障，防止事故发生，同时能够带来潜在的巨大的经济效益和社会 效益。因而研究柴油机的故障诊断技术就显得尤为迫切。柴油机故障诊断工作包括诊断信息 获取、故障特征信息提取和状态识别三个部分。其中。故障特征提取和状态识别是诊断工作 的关键。本文针对 0 j 1 7 8 f 小型风冷柴油机故障声信号的非平稳特征将一种新方法e m d 应用到小型柴油机故障诊断研究中，利用e n i d 和a r 相结台的方法进行该样机故障信号特征 提取。同样将马氏距离作为分类器对k m l 7 8 f 小型柴油机的工作状态和故障类型进行了分类。 实验数据的分析结果显示了e m d 、a r 和马氏距离相结合用于k m l 7 8 f 小型风冷柴油机故障诊 断当中的识别率为8 5 5 6 。 本文主要工作包括： ( 1 ) 利用声信号采集系统采集了k m l 7 8 f 小型柴油机在额定工况、8 0 负荷工况和7 5 负 荷工况下正常工作状态及故障状态下的声信号数据。其中故障状态包括：排气间隙异常、进 气压力低、低压油路供油不畅等6 种故障。 1 2 ) 根据本征模态能量熵的定义，当系统发生故障时，其声信号的能量会随频率的分布 发生改变，某种或几种频率成分能量的改变即代表了一种故障。本课题采用e m d 和a r 相结 合的方法对实验采集的单缸风冷柴油机声信号进行特征提取：通过e n i d 分解后选用几种频率 成分能量明显的i m f 进行a r 分析。 ( 3 ) 采用马氏距离判别方法对采用e m d 和a r 相结合的方法得到的特征提取的结果进行 归类，实现单缸风冷柴油机故障声信号的智能识别。 关键词：单缸风冷柴油机；声信号；故障诊断；经验模态分解( 酬d ) ；模式识别；马氏距离 福建农林大学硕士学位论文 单缸风冷柴油机故障诊断系统的研究 a b s t r a c t n o w a d a y si n d u s t r yl e v e li sh i g h l yd e v e l o p e d ，u s i n gm a c h i n ei sa p p l i e dt oe n g i n e e r i n g m a c h i n e 、e l e c t r i cp o w e rm a c h i n ea n dt h es p e c i a lt y p eo fs h i p p i n g o nt h eo n eh a n d ，i th i g h l y i m p r o v ep r o d u c tq u a l i t ya n dl a b o rp r o d u c t i v i t y ；o nt h eo t h e rh a n d ，i fo n ep a r to fi t i sf a u l t ，i tm u s t b ed a n g e r o u si np e o p l es e c u r i t y t h ep r o c e s so fm a c h i n e r yf a u l td i a g n o s i si n c l u d e st h ea c q u i s i t i o n o fi n f o r m a t i o na n de x t r a c t i n gf e a t u r ea n dr e c o g n i z i n gc o n d i t i o n so fw h i c hf e a t u r ee x t r a c t i o na n d c o n d i t i o ni d e n t i f i c a t i o na r et h ep r i o r i t y e m di sas e l f - a d a p t i v et i m ef r e q u e n c ya n a l y s i sm e t h o d t h a ti sa p p l i c a b l et on o n - l i n e a ra n dn o n s t a t i o n a r yp r o c e s s e sp e r f e c t l yt h u se m dh a sah i g h s i g n a l - n o i s e r a t i o a c c o r d i n gt ot h en o n - s t a t i o n a r yv i b r a t i o ns i g n a lc h a r a c t e r i s t i c so fm i n id i e s e l e n g i n e e m da n da r m e t h o di si n t r o d u c e di n t om i n id i e s e le n g i n ef a u l td i a g n o s i s m a h a l a n o b i s d i s t a n c eh a v eb e t t e rg e n e r a l i z a t i o na n dg u a r a n t e et h el o c a lo p t i m a ls o l u t i o ni se x a c t l yt h eg l o b a l o p t i m a ls o l u t i o n t h ee x p e r i m e n t a lr e s u l t sd e m o n s t r a t et h ep r o p o s e dd i a g n o s i sa p p r o a c hi nw h i c h e m d 、a ra n dm a h a l a n o b i sd i s t a n c ea r ec o m b i n e di se f f e c t i v e t h eo u t l i n eo ft h ew o r ki sa sf o l l o w s ： 1 b ys o u n dc o l l e c t i o ns y s t e m ，i tc a nc o l l e c ts o u n dd a t ai n1 0 0 e f f i c i e n c y 、8 0 e f f i c i e n c y o r7 5 e f f i c i e n c yo ft h em i n id i e s e le n g i n e i nt h el a bi ts i m u l a t es i xf a u l t s ，w h i c hi n c l u d et h e a b n o r m a lo ft h ed r a i nt a p ，t h el o wo ft h ei ng a s ，t h eo b s t r u c t i o no ft h eo i l - t u b ea n ds oo i l 2 t h ec o n c e p to fi m f se n e r g ye n t r o p yi sp r o p o s e d t h ee n e r g yo fs o u n ds i g n a l si nd i f f e r e n t f i e q u e n c yb a n d sw i l lc h a n g ew h e nf a u l t so c c u r , t h u so n eo rm o r ek i n d so fe n e r g yv a r i a t i o n i n f i e q u e n c yc o m p o n e n t si n d i c a t ef a u l to c c u r r e n c e e m dm e t h o da n da r m e t h o da r eu s e dt oa n a l y s i s s o u n ds i g n a l s , w h i c hi sc o l l e c t e dt h em i n id i e s e le n g i n ei nt h el a b m o r ek i n d so fe n e r g yv a r i a t i o n i nf i e q u e n c yc o m p o n e n t si sp u tu pb y a rm e t h o d 3 b yt h em a h a l a n o b i s d i s t a n c ei tc a nb eu s e dt op u tu pt oc l a s s i f yt h er e s u l to fe m dm e t h o d a n da rm e t h o da n a l y s i s ，w h i c hi tc a r r yo u tt ob ei n t e l l i g e n td i a g n o s e si nt h et h es o u n ds i g n a lo f t h em i n id i e s e le n g i n e k e y w o r d s ： s m a l la i r - - - c o o l e dd i e s e l ：s o u n ds i g n a l ；f a u l td i a g n o s i s ：e m d ：p a t t e r nr e c o g n i t i o n ；m a h a l a n o b i s d i s t a n c e 2 独创性声明 本人声明，所呈交的学位( 毕业) 论文，是本人在指导教师的指导下独立完 成的研究成果，并且是自己撰写的。尽我所知，除了文中作了标注和致谢中已作 了答谢的地方外，论文中不包含其他人发表或撰写过的研究成果。与我一同对本 研究做出贡献的同志，都在论文中作了明确的说明并表示了谢意，如被查有侵犯 他人知识产权的行为，由本人承担应有的责任。 学位( 毕业) 论文作者亲笔签名：勇芝幺日期：争刁尹 论文使用授权的说明 本人完全了解福建农林大学有关保留、使用学位( 毕业) 论文的规定，即学 校有权送交论文的复印件，允许论文被查阅和借阅：学校可以公布论文的全部或 部分内容，可以采用影印、缩印或其他复制手段保存论文。 保密，在年后解密可适用本授权书。 口 不保密，本论文属于不保密。 学位( 毕业) 论文作者亲笔签名：勇多、 日期：沙哆尹 指导教师亲笔签名：覆确乏记 融乔 日期：纠，乒 l 福建农林大学硕士学位论文 单缸风冷柴油机故障诊断系统的研究 1 引言 1 1 本课题的研究意义 随着当今社会工业水平的迅猛发展，作为最常用动力机械设备的柴油机，被广泛应用于 工程机械、固定发电及特种船舶等领域。单缸风冷柴油机是小型柴油机的一种，它具有体积 小、重量轻、工作可靠、热效率高、便于制造和对环境适应性强、应用广泛等优点，是各种 农、林、工程机械的理想配套动力。一方面它能大大提高产品质量和劳动生产率；另一方面 如果某一部分出现故障，会造成经济损失，甚至危及人身安全。开展柴油机故障诊断技术研 究，既能帮助我们发现故障，防止事故发生，同时能够带来潜在的巨大的经济效益和社会效 益。因而研究单缸风冷柴油机的故障诊断技术就显得尤为迫切。 故障诊断技术随着现代化工业大生产的不断发展越来越得到重视。目前，故障诊断已经 基本上形成一门既有理论基础、又有实际应用背景的完整的交叉性学科。随着现代科学技术 的发展及自动化程度的提高，柴油机故障诊断技术也经历着重大的变化，从最初的事后维修 发展到定时检测，再到现在故障诊断技术的视情维修。 1 2 柴油机故障诊断研究方法 1 2 1 柴油机故障诊断概述 作为- n 新兴的交叉学科，柴油机故障诊断的研究内容主要包括以下几个方面：故障机 理的研究；故障信息的采集；信号处理及故障特征提取方法的研究；诊断推理方法的研究； 柴油机故障诊断仪器设备和监测、诊断系统的研究与开发”1 。 1 2 1 1 故障机理的研究 故障机理的研究，晟初开始于分析旋转部件在磨损和精度丧失后对旋转机械系统振动 特性的影响。其基本理论基于零件配合表面几何形状改变后，对机械系统产生激励，使机械 振动响应的谐波结构发生变化。在2 0 世纪7 0 年代后期提山了基于机械故障的动力学机理研 究的故障诊断技术，它主要根据机械设备的力学特性，建立相应的动力学模型，从故障对系 统动力学参数的影响来分析故障特性。到8 0 年代以j 斤提山了基于共振解调原理的诊断技术， 它士要根据滚动轴承局部故障点脉冲激励引起的共振对共振响应的解凋可以获得轴承故障 福建农林大学硕士学位论文 单缸风冷柴油机故障诊断系统的研究 的特征频率。目前机械故障机理的研究仍在深入进行，例如对于摩擦过程、自激振动、轴承 动力失稳等的机理研究和对于裂纹齿轮和裂纹转子振动信号中相位特性的研究都取得了一 定的成果。 1 2 1 2 故障信息的采集 状态信号是机械设备异常或故障信息的载体，选用一定的检测方法和检测系统采集晟能 表征诊断对象状态的信号，是故障诊断技术实施过程中不可缺少的环节。在柴油机运行过程 中对信号进行采集是目前最常用的状态信号采集方法。柴油机信号采集大致分为四步：第一、 合适传感器和测试位置的选择；第二、信号的传输；第三、数据的采集；第四、数据的存储。 在柴油机故障诊断中，主要使用的测试方法有振动测试、压力测试和声级测试等。 1 2 1 3 信号处理及故障特征提取方法的研究 特征提取，是指通过变换( 或映射) ，把高维的原始特征空间的模式向量用低维的特征空 间的新的模式向量来表达，从而找出最有代表性的、最有效的特征的方法。它直接影响整个 诊断过程的计算以及整个诊断系统的品质。因此，尽管柴油机的声信号反映了设备的运行状 况，可用来做检测信号。但由于直接检测到的声信号通常为待判别信号，其中包含了大量与 故障无关的信息，因此不宜直接作为故障特征。而需要采用现代信号分析与数据处理方法把 采集来的原始信号转换为能表达工况状态的特征量。故障特征提取研究的目的就在于以各种 信号处理方法作为工具，找出工况状况与特征量的关系，把反映故障的特征信息和与故障无 关的特征信息分离开来。目前，基于信号处理来提取特征进行故障诊断的方法主要有：时域 特征参数及波形特征参数法、幅值域特征法、信息特征法、频谱分析及频谱特征再分析法、 时间序列特征提取法、小波变换特征提取法、滤波及自适应除噪等。 1 2 ，1 4 诊断推理方法的研究 诊断推理过程中采用的方法较多，通常分为三类：( 1 ) 基于模型的故障诊断；( 2 ) 基于人 工智能的故障诊断：( 3 ) 基于模式识别的故障诊断。 一个模式识别系统由两个过程组成即设计和实现。设计又称训练过程、分析过程或学 习过程。是指用一定数量的样本( 训练集或学习集) 进行分类器的设计，把所研究系统的状态 分为若干模式类。在故障诊断中就是确定系统的各种参考模式。实现义称识别过程，是指利 用所设计的分类器对待识别的样本( 称待检模式或待检状态) 进行分类决策，判别待检模式应 属于哪一类。 1 2 1 5 柴油机故障诊断仪器设备和监测、诊断系统的研究与开发 随着计算机技术的发展和智能技术的麻川，柴油机在线监测与故障诊断系统的技术已开 始进入一个新阶段。专家系统以其的，“泛的麻用范围和巨人的经济效螽而得到了迅速的发 2 福建农林大学硕士学位论文 单缸风冷柴油机故障诊断系统的研究 展。例如1 9 8 7 年m a l i n 研制的汽车故障诊断系统( f i x e r ) ，日产和丰田的研究所开发的汽 车发动机故障诊断专家系统等等。我国各个高校和科研所也都开展了故障诊断专家系统的研 究，如2 0 世纪9 0 年代建立的基于铁谱技术和光谱技术的柴油机磨损状态监测及故障诊断专 家系统f d e x s y s ( v i o ) 等“1 随着传感器和测试技术、计算机软硬件技术、通讯技术、人工智能技术等先进技术的 发展。状态监测和故障诊断系统技术的发展趋势将是：在系统结构方面，实现系统结构分布 化、监测方式层次化：在计算机硬件平台技术方面，广泛应用许多先进的硬件技术；在计算 机软件平台方面，以高性能的w i n d o w s x 和w i n d o w sn t 等多任务操作系统为平台；在系统 软件功能方面，将向人机交互、实时多任务全过程在线监测、诊断过程自动化等方面发展。 经过多年的发展与完善柴油机故障诊断已经形成了比较完备的理论与技术体系。 近年来，随着非线性理论的发展，尤其是信号处理、知识工程、计算机技术和人工智 能等理论技术与故障诊断的融合渗透，柴油机故障诊断的内容得到了进一步的充实与发展。 柴油机故障诊断的目的有三个： ( 1 ) 能及时、正确地对柴油机各种异常状态或故障状态做出诊断，预防或消除故障，对 小型柴油机的运行进行必要的指导，提高柴油机运行的可靠性、安全性和有效性，以把故障 损失降到最低水平 ( 2 ) 保证柴油机发挥最大的设计能力，制定合理的检测维修制度，以便在允许的条件下 充分挖掘小型柴油机潜力，延长使用寿命，降低设备安全寿命周期费用。 ( 3 ) 通过监测、故障分析、性能评估为柴油机结构修改、优化设计等提供数据和信息。 总之，柴油机故障诊断既要保证设备的安全可靠运行，又要获得最大的经济效益和社会 效益 1 2 2 基于信号处理的柴油机故障特征提取方法 利_ h j 声信号对柴油机进行故障诊断最重要的是对柴油机在各种状况一f 的声信号进行分 析，提取出能够表征各种状况下的信号特征值。 柴油机是一种高速的往复式动力机械。目前大多数都是采用振动信号和噪声信号来分析 判定。信号分析是对信号基本性质的研究和表征，无论是在研究领域还是在实际应用中，它 都是必不可少的内容。 目前一般采川时域、频域分析方法来对柴油机故障声信号进行分析，其中频域的分析 效果较好。在频域分柝方面，传统的声信号分析主要利用快速傅里叶变换幅值谱功率谱和 倒频谱，小波变换等方法。但是，标准f o u r i e r 变挟的基函数是没有衰减的。短时f o u r i e r 3 福建农林大学硕士学位论文 单缸风冷柴油机故障诊断系统的研究 变换和小波变换是要很快衰减到零的，所以它们具有时间局部性而小波变换的时宽又是变 化的，因此小波变换的时频分辨率也是变换的。具有多分辨率的分析特性，即小波变换可以 在多种尺度下把信号中不同频率的成分分解到不同的子空间中去，它具有平移性和伸缩性， 可对被观测信号的任意部位进行深入的、逐渐精细的探测和识别，可分辨出被观测信号的任 意部位( 任意时段内) 所包含的频率分量，这好象是一台可在时问坐标上移动而在频率坐标上 可改变“焦距”的数学显微镜。由于小波变换在信号处理中具有“变焦显微”的功能，故能 对信号在时间和频率域的某局部范围进行探测，能处理非平稳、瞬态、突变信号，微弱信号 及含噪信号。所以要使小波在信号分析中真正发挥用途，其应用应该主要从非平稳信号来考 虑”1 。目前采用比较多的就是小波变换对柴油机的振动信号或声信号进行时频分析提取特征 值。例如文献4 就采用小波包对柴油机声信号进行特征提取。 1 9 9 8 年美国科学家n o r d e n e h u a n g 等人提出了一种主要用于分析非平稳信号的新信号 分析方法一希尔伯特一黄变换( h i l b e r t - - h u a n gt r a n s f o r m ，h h t ) 。其核心是经验模态分 解( e m p i r i c a lm o d ed e c o m p o s i t i o n ，1 5 1 d ) ，把复杂的信号分解成若干个本征模态函数 ( i n t r i n s i cm o d ef u n c t i o n ，i m f ) 。采用经验模态分解( e m p i r i c a lm o d ed e c o m p o s i t i o n ， 简称b i d ) 方法是自适应的，因此其分解非常快速有效；同时它没有固定的先验基底，分解完 全基于数据本身进行。这样就避免t f o u r i e r 变换中分解出的许多实际上并不存在的虚假分 量。本征模式函数是基于序列数据的时间特征尺度得出的，不同的数据有不同的本征模式函 数，每个本征模式函数可以认为是信号中固有的一个模态，能够表征信号的局部特征。肼d 可以有效地提取或去掉数据序列的均值。传统的分析方法，无论是小波基还是f o u r i e r 分析 的基都是以水平轴为平衡位置的振动。这就有很大的局限性。而h h t 技术中的e n i d 分解可以去 除序列的趋势项，把复杂的数据分解成若干线性、平稳的模态。1 。目前这一方法尚未应用到 柴油机的故障诊断中去 1 2 3 柴油机故障状态识别方法 模式识别是一i j 研究对象描述和分类方法的学科。模式识别包含由特征和属性所描述的 对象的数学模型，也涉及到一般意义上对象间的相似性的抽象概念。具体采h j 何种数学形式、 模型和处理方法取决| 丁所要解决问题的类型。线性判别法是模式识别的一种方法。线性判别 法包括最小距离分类器、欧氏距离、马氏距离、f i s h e r 线性判别。本课题拟采用马氏距离 判别法对单缸风冷柴油机的故障进行诊断。马氏距离判别方法是对信号的相似性作判别，是 欧几里得距离尺度的一个推广，它非常适合予解决协方差不相等以及特征之间相互联系的情 况。而且它不受量纲的影响，两点之间的马氏距离与原始数据的测量单位无戈；由标准化数 4 福建农林大学硕士学位论文 单缸风冷柴油机故障诊断系统的研究 据和中心化数据( 即原始数据与均值之差) 计算出的两点之间的马氏距离相同，另外马氏距 离还可以排除变量之问的相关性的干扰“1 目前在柴油机故障诊断中应用最多的是神经网络方法和专家系统方法。神经网络可以直 接用于故障诊断，通过关键参数作为网络的输入层，故障参数作为输出层，利用典型样本学 习所得权值进行模式识别。还有自适应神经网络模式识别，利用神经网络分布信息储存和并 行处理。避开模式识别中建模和特征提取的麻烦，从而消除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。神经网络与专家系统结合识别，可以克服缺乏经验的神经网 络、专家系统的知识“瓶颈问题”以及无推理性等缺陷，达到一种较完美的组合。按其推理 力式的不同可分为正向推理和逆向推理：按其知识表达式的不同专家系统可分为基于规则的 和基于框架的专家系统。 1 3 本课题的主要研究内容 本课题主要从以下几个方面对1 0 1 1 7 8 f 柴油机声信号的诊断技术进行研究： 1 分析基于声信号故障诊断的特点与难点，并建立基于声信号的故障诊断的信号采集平 台和信号处理平台。 2 从应用角度出发，研究了利用该样机缸盖声信号来进行故障诊断的可行性。并在此基 础上，针对该样机系统的非线性和表面声信号的非平稳特性，拟将e m d 方法和a r 方法应甩 于其缸盖声信号特征提取的可行性。 3 在e m d 方法和a r 方法相结合分析的基础之上，拟采用马氏距离判别法对提取出的特 征参数进行模式归类，实现对该样机故障的智能识别。 本课题提出了拟解决的关键问题：采用有效的非平稳信号特征的分析处理方法，以实现 对噪声信号特征的自动识别。本课题将咖方法和a r 方法相结合分析方法应用于1 0 1 1 7 8 f 柴油 机声信号的识别及故障诊断。针对拟解决的关键问题，本课题从信号采集、信号特征值提取 及故障类型识别方面提出了如下解决方法： ( 1 ) 在信号采集方面，本课题利川计算机自带的声卡米读取声传感器上的数据信号， 并对数据进行存储以作后期分析之j ： j 。 ( 2 ) 在特征值提取方面，对采集剑的k m l 7 8 f 柴油机声信号进行频谱分析，并初步确定 k m l 7 8 f 柴油机的故障声信号特点，并根据这些特点确定信号的e m d 方法分解的层数。如何将 e m d 方法和a r 方法应用于小型柴油机缸蔫卢信号特征提取；对i o a l 7 8 f 柴油机声信号进行啪 分解后再进行a r 分析并提取信号的特征向鹫 ( 3 ) 在故障诊断识别方面，本系统通过提取样本信号的特征向封建立k m l 7 8 f 柴油机卢 5 福建农林大学硕士学位论文单缸风冷柴油机故障诊断系统的研究 信号故障样本库，并如何结合马氏距离判别法对1 0 1 1 7 8 f 柴油机待判别声信号进行自动识别 技术路线如下图所示： 单缸风冷柴油机故障诊断过程 j 6 福建农林大学硕士学位论文单缸风冷柴油机故障诊断系统的研究 2 单缸风冷柴油机故障声信号的采集 本研究采用近场声压法对删1 7 8 f 柴油机声信号进行采集，并对其声信号进行有效的特性 分析，比较出这些故障声信号在时频域上的区别；在利用噪声信号对l ( 1 1 1 7 8 f 柴油机进行故障 诊断时，首先采集k m l 7 8 f 柴油机在不同工况下噪声故障信号并建立故障信号库；接着采集 k m l 7 8 f 柴油机模拟故障声信号，并对以上两种声信号的特性进行分析，从中找到相同故障信 号之间的联系和不同故障信号之间的区别，并为后续的智能诊断作准备。k m l 7 8 f 柴油机故障 诊断的整个过程如图2 1 所示： 匿母 蛩- 匿h 肾髀一 图2 1小型柴油机故障诊断过程 2 1 单缸风冷柴油机声信号检测 获取单缸风冷柴油机声信号是其故障诊断的基础，在获取本样机缸盖声信号的过程中， 信号的质量不仅受到信号采集系统精度影响外，还受到测量位置及测量参数选择的影响”1 。 2 1 1 测点的选择 盍接影响到所采集的信号是测点的选择，并且其决定后续的分析处理工作的难易程度。 测点的选择应该遵循两个原则： ( 1 ) 便于交装和测试，尽可能不影响机器的运行状态，且 在生产实际中切实可行。( 2 ) 充分反映被测对象j 作信息的测点。虑具有信躁比高、信号 稳定、对故障敏感等特点。 单缸风冷柴油机是一个多层系统它是由供油系统、配气系统、冷却系统、润滑系统等 7 福建农林大学硕士学位论文单缸风冷柴油机故障诊断系统的研究 组成，具有系统级、子系统级、部( 组) 件级及零件级四个层次单缸风冷柴油机的噪声源 主要由三个部分构成：首先是由燃料燃烧产生的压力冲击所带来的燃烧噪声：其次是由柴油 机换气过程气体动力效应所产生的气体动力噪声：第- - - , 1 是由内燃机运转时机件的振动所产 生的机械噪声。严格地区分燃烧噪声和机械噪声在某些情况下是比较困难的，因为燃烧过程 产生的噪声往往也是通过振动表面所传递。本课题选择k m l 7 8 f 柴油机的缸盖作为声信号源。 这是由缸盖的特殊性能决定的。缸盖声信号的时域特性是指各激励力响应信号在作用时刻及 其作用强度等方面体现出来的特性。对于单缸风冷柴油机而言，各激励力产生的响应信号在 时间相位上相差很大，较易于在日t 域内加以分离。因此，缸盖表面的声信号能够较完整地反 映小型柴油机内部各部件之间关系的极其敏感的参数。 2 1 2 测量方法 声波的主要特征是指声压、声速、频率、周期，频谱、声场等，其中声压是主要参数之 一。声压是由于声波的存在而引起的压力增值，声压同声音的能量有着紧密的关系。本实验 选择声压作为测量参数。充分考虑到声信号特征分析的需求，则采用了测量线性声压的方法。 考虑到声压是按指数规律衰减的，频率越高，传声介质的衰减就越大。从而会导致声信号的 失真，本实验采用近声场测量采集声信号。近声场测量的方法可以减小反射噪声的影响以尽 可能地获取足够大的直接噪声。结合k m l 7 8 f 柴油机实际情况。在本实验中将声级计测量位置 定在k m l 7 8 f 柴油机缸盖正上方l o c m 处”1 。 在噪声测试过程中，对噪声信号的处理不当、模型不完善、线性处理误差等因素会给数 据处理带来困难，另外，对频率范围的限制也会引起进程信息的丢失，所以，信号采集系统 的合理选择就显得非常重要。 目前，工程上一般采用专用的数据采集设备来完成。这些数据采集设备一般包括多路开 关、放大及采样保持、a d 转换、计算机i 0 接口等部分，性能比较完善，但是这一类的采集 设备价格一般比较昂贵，而且硬件的安装及软件驱动都比较繁琐。相比之下，声卡的信号滤 波、放大及采样保持、a d 及d a 等功能与数据采集设备相当。常用的声卡可对音频信号实现 双声道1 6 位数据采集，最高采样频率可以达至- 0 4 4 i k h z ，具有较高的采频率与精度。其对信 号的餐化精度和采样频率均可以满足实验及工群测量。为此可以利用声卡配合相应的采集软 件来实现信号的采集。 8 福建农林大学硕士学位论文 单缸风冷柴油机故障诊断系统的研究 2 1 3 试验设备及主要参数 本实验系统主要由蹦1 7 8 f 柴油机、b “2 2 3 0 声级计、功率仪、塞尺、转速仪、集成声卡 等组成。利用声级计测取缸盖正上方的声信号，并通过带有声卡的p c 机来对单缸风冷柴油 机声信号进行收集。通过功率仪对单缸风冷柴油机的工作状况进行实时监控。实验数据采集 系统如图2 - 2 和图2 3 所示： l o c m 图2 2 实验装置示意图 图2 2 实验现场图 9 福建农林大学硕士学位论文单缸风冷柴油机故障诊断系统的研究 本实验单缸风冷柴油机的主要参数为：发动机额定转速：3 0 0 0r m i r a 额定输出功率： 3 7 k w ；油耗为2 7 6 1 9 k th 采样频率为4 4 1 0 0 h z 根据公式f - ，x 1 2 0 n ( 其中，为采 样频率、弹为柴油机的转速，为采样长度) ，求出采样长度为1 7 6 4 。本实验选择在额定工 况、8 0 工况和7 5 工况负载工况下采集1 0 种单缸风冷柴油机故障的声信号数据。拟采集单缸 风冷柴油机声信号的数据如表2 1 所示： 表2 - 1三种工况下采集的单缸风冷柴油机各种故障声信号采样组数一览表 痔 工 摹、露 截 7 5 负荷工况 8 0 负荷1 ：况额定负荷工况 正常运行5 0 ，一，5 05 0 低压油路供油不畅 5 05 05 0 进气压力低 5 05 05 0 赢压油管漏油 5 0 5 05 0 排气门间隙0 2 2 m 3 0 3 03 0 排气门间隙0 2 4 m3 0 3 03 0 排气门间隙0 2 6 m m 3 03 03 0 进气门间隙0 3 2 m 3 03 03 0 进气门间隙0 3 4 m 3 03 0 3 0 进气门问隙0 3 6 u 3 0 3 03 0 2 2 单缸风冷柴油机声信号的预处理 本课题将声卡采集到的1 1 4 0 组声信号数据进行归一化处理。圈2 - 3 为k m f l 7 8 f 柴油机 在7 5 负荷i ：况下，转速为3 0 0 0 r m i n ，负载为2 3 0 0 w 的正常时其中组声信号的时序图。 1 0 福建农林大学硕士学位论文单缸风冷柴油机故障诊断系统的研究 舞 莩 真 2 3 小结 时域采样点数 图2 47 5 负荷下l ( f 1 7 8 f 柴油机正常时的声信号的时序图 本章介绍了单缸风冷柴油机声信号位置的选择和如何利用其缸盖声信号来进行故障诊 断方法等内容；采用近声场测量法采集了1 0 d 1 7 8 f 小型柴油机在额定工况、8 0 工况和7 5 工 况下常见的几种故障声信号，并对其作了初步的处理。 福建农林大学硕士学位论文 望墼垦堡鲞苎塑垫堕堡堕至堑塑竺塑 3 声信号特征提取技术的研究 3 1e m d 方法 酬d 方法是将原始信号分解成一系列有限的、且多数是少量的内在模函数。找出信号 x ( f ) 所有局部峰值点，用三次样条函数曲线插值后得到彳o ) 的上包络线。用相同的方法也 可以得到x ( f ) 的下包络线。把上包络线和下包络线同时刻的值之和求平均，得到一均值线 ，0 ) 。 用信号( f ) 减去( f ) ，得到： 1 l l ( f ) = x ( r ) 一( f ) ( 1 ) 若 ，( f ) 满足固有模态函数要求的时候。它就是一阶i m f a 然而，在实际应用中，它并不 会满足要求，将啊( f ) 看作原始信号，重复上面的过程，直到k ( f ) 满足i 肝的条件为止，计 算k ( f ) 式子如f ： k o ) 一，) ( f ) 一m ，恤。) 扛) ( 2 ) 在这里，直接通过i 虾的定义来判定何时停止筛选显然不够方便，所以h u a n g 定义了标准 偏差( s d - - s t a n d a r dd e v i a t i o n ) 作为判定过程何时结束的标准 跏剐咤斜 定义两次连续筛选后得到的s d 值在o 2 o 3 之间的话，筛选过程就可以停止了。得到一 阶固有模态函数 。( f ) 。记作c ，( f ) ： c ，( f ) 暑1 l n ( f ) ( 4 ) 然后，从信号z ( f ) 中分离出剩余分量，1 ( f ) ，得到 ( f ) ；x ( f ) 一c t ( t ) ( 5 ) 把( f ) 看成新的数据重复以上相同的步骤米处理，分解山n 阶i m f 和一个剩余分警，该剩 2 塑堡奎签查兰堡主竺垡堡苎 苎坚墨堡墨驾墨垫堕堡堑墨丝堕塑壅 余分量是原始数据的一个常量，不能再进行啪分解了。则信号x ( f ) 可表示为： x ( f ) 2 善c ，( f ) + ( f ) c e ， 3 2e m d 和a r 模型相结合分析方法的特性 目前，肿和a r 模型相结合的分析技术在故障诊断的具体途径有： 第一，利用e i l d 的多分辨率分析特性，使得信号特征在不同的分辨率下显露出来，以此 来分析出故障特征频率的范围，再结合相应设备的结构和参数。进而推断出单缸风冷柴油机 的故障原因和程度。 第二，利用e i d 方法对采集到的噪声信号进行逐层分解；观察图中存在某种故障有比较 明显的特征成分，以此来建立a r 模型后确定具体的故障类型。该方法主要有把e n i d 与相关的 函数结合对故障特征进行识别，比如在汽车变速器齿轮故障诊断方面主要有：e m d 与s v m 、e m d 与神经网络结合等。 第三，利用e m d 和a r 模型，分析正常信号与故障信号在各分解层上的能量变化情况，之 后再结合模式识别方法对故障情况进行判别。此方法比较易于在微机上实现，从实用出发 在本课题中选用此方法作为k m l 7 8 f 柴油机故障识别方法。目前，这一方法在单缸风冷柴油机 的故障诊断方面尚未有相关的研究。 3 3 单缸风冷柴油机声信号特征的提取 采用e m d 和a r 模型相结合用于提取单缸风冷柴油机故障诊断的特征值。单缸风冷柴油机 声信号是非平稳信号，但a r 模型只适用于平稳信号的分析。因此先采用e n i d 方法对该样机声 信号进行了预处理后再采用a r 模型对预处理后的数据进行分析。假定x ( t ) 是k m l 7 8 f 柴油机的 声信号，对x ( t ) 进行d i d 分解后得到： z ( f ) 2 善c ，( f ) + ( f ) ( 7 ) 声信号x ( t ) 分解；o n 个i m f 和一个残鼙r 。之和，分量c i ，c 2 ，c 。包含了信号从高 到低不同频率段的成分，r n 则表示信号x ( t ) 的中心趋势。 然历对任何一个i m f 分量c ；( t ) 建立如下的白同归参数模1 4 r ( m ) 1 3 福建农林大学硕士学位论文 望坚垦丝篷垫塾垫壁堡墅墨竺竺里塞 c j ( f ) + 荟c j ( f 一七) 。岛o ) 式中9 k ( k - 1 ，2 ，m ) 、m 分别是分量c j ( f ) 的a r ( m ) 的模型参数和模型阶数，q t ) 为模型 残差，是均值为零、方差为彳的白噪声序列由于自回归参数吼t ( k = 1 ，2 。，m ) 反映了 单缸风冷柴油机声信号的固有特性，模型的残差方差砰与单缸风冷柴油机声信号的输出特 性密切相关，所以采用( k = 1 ，2 ，m ) 和砰作为特征向量识别小型柴油机的状态。则 小型柴油机声信号的特征向量为：a i = 识l ，铭2 ，9 k ，a ? 嘲。 根据实验的具体条件，对l o d l 7 8 f 柴油机模拟了5 个故障类型：1 、低压油路不畅；2 、进 气压力低；3 、高压油管漏油；4 、排气门间隙过大；5 、迸气门间隙过大。在实验过程中选 用了7 5 负荷，8 0 负荷和额定负荷三种工况作为实验工况。在信号分析方面，对k m l 7 8 f 柴 油机的声信号进行n l d 分解为若干个本征模态函数( i m f ) 之和。根据本征模态能量熵的定义， 当系统发生故障时，其声信号的能量会随频率的分布发生改变，某种或几种频率成分能量的 改变即代表了一种故障。取出最能体现故障信息的i m f 建立a r 模型。实际上，系统的状态 主要有前几阶的自回归参数和模型残差的方差决定。因此，取前6 阶的自回归参数( k = 1 ， 2 ，6 ) 和模型残差的方差盯? 作为特征向量。在建立a r 模型方面，采用最小二乘法估 计。 本课题对k m l 7 8 f 柴油机进行故障模拟试验，测取了柴油机在7 5 负荷工况、8 0 负荷工况 和额定负荷工况下的正常运转声信号及其在低压油路不畅、进气压力低、高压油管漏油、排 气门间隙过大和进气门间隙过大等6 种故障下的声信号，利用i i h t 理论，分别对上述6 种声信 号进行d , t 0 分解”，图3 - 1 至图3 - 1 0 为7 5 负荷工况下6 种声信号的b f d 分解图。 塑堡奎苎查堂堡圭竺垡丝壅苎墼垦堡墨垫塑苎壁娑堕墨! ! ! ! ! 堕 e m p 衍c a lm o d ed e c o m p o s i t i o n i1 吕0 。荔一1 0 卜- h - - 叫h _ - _ 叫一 1 1 卜1 右广矗云百扬 茄r 1 5 ：f 二= = 磊磊= i 忑= = 弓= i = i _ 1 葫丁可盏菇丁百荔一0 5 3f 磊忑= 五= 焉= 忑= = 习；= 石墨 o 菇f 百向赢f 百茁雨5 0 1 瓦= = 泛i i = = = = = ；= = = p v ”_ 、v v 、 ，”m ”。v o 、“4 ”一 卅占_ 矗丁百按菇：百菌一0 5 3e = = 了= 二= 了瓦= = 孑= = = 卅占_ 砬f 1 乜搞r 百缸一0 5 jf = = = = = = = = = = ；= = = 一占_ 晶丁百扔忒f 百缸蔬5 1 0e = = 二= = = = 二= 二二= = = = = 二二 卜一一 1 一卜菇f 百缸茹r 百萌而5 石1 蚤o 图3 - l7 5 负荷下正常声信号的e m i ) 分析图 e m p i r i c a lm o d ed e c o m p o s i t i o n af = = = 而；= = = = = = 二= = = = 了 1 占菽f 1 而ir 百面i o 面i 石一0 5 笔a 臣= ：= = 石= = = = = = = = = 忑：= = 二矿 5 一卜百打百矗百旨百畜气5 董 a 0 仄夏= 0 = 夏= = = 墨= 面厂 5 0 10 ： 2 0 0 3 0 _ 0 40 0摹 蟹j = = = = = = = = = o = = = = = = = = = = = 广 里j 卜百打百矗百旨百矗5 雩a 匕二= = = = = = = = = = = = = = = = = = = = - 垦i 卜百拧百矗百蔷百旨气5 售af = = = ；= = = ；= = = = i = = = 三 三一卜百打百矗百亩百苜气5 笔a = = = = 二= = = = = = = = = = 二= = 5 一卜百打1 盏1 盎广1 茄r 一0 5 星e 三三三三三三二二二二二三三三三哥 图3 27 5 负荷下低压油路不畅卢信号的酬d 分析圈 = e 一 氆en薯一_一 赡e 一 9 i e 一卜葛一 堡堡查整查兰堡主兰垡堡奎 苎墅垦堡鐾垫塾垫壁堡墅墨竺箜堑塞 1 昙o e