内燃机故障诊断

1、石家庄铁道大学机械工程学院机械故障诊断与维修课程论文内燃机故障诊断摘 要故障诊断：利用各种检查和测试方法，发现系统和设备是否存在故障的过程是故障检测；而进一步确定故障所在大致部位的过程是故障定位。故障检测和故障定位同属网络生存性范畴。要求把故障定位到实施修理时可更换的产品层次（可更换单位）的过程成为故障隔离。故障诊断就是指故障检测和故障隔离的过程。关键词：内燃机 智能 故障诊断 第一章 绪 论1.1内燃机内燃机是将液体或气体燃料与空气混合后，直接输入汽缸内部的高压燃烧室燃烧爆发产生动力。这也是将热能转化为机械能的一种热机。内燃机具有体积小、质量小、便于移动、热效率高、起动性能好的特点。但是内燃

2、机一般使用石油燃料，同时排出的废气中含有害气体的成分较高。内燃机，是一种动力机械，它是通过使燃料在机器内部燃烧，并将其放出的热能直接转换为动力的热力发动机。广义上的内燃机不仅包括往复活塞式内燃机、旋转活塞式发动机和自由活塞式发动机，也包括旋转叶轮式的燃气轮机、喷气式发动机等，但通常所说的内燃机是指活塞式内燃机。 活塞式内燃机以往复活塞式最为普遍。活塞式内燃机将燃料和空气混合，在其气缸内燃烧，释放出的热能使气缸内产生高温高压的燃气。燃气膨胀推动活塞作功，再通过曲柄连杆机构或其他机构将机械功输出，驱动从动机械工作。常见的有柴油机和汽油机，通过将内能转化为机械能，是通过做功改变内能。1.2故障诊断故

3、障诊断技术的产生和发展为提高设备系统的可靠性和可维修性开辟了一条新的的途径。状态检测与故障诊断是以可靠性理论、信息论、控制论、和系统论为理论基础，以现代测量仪器和计算机为工具，结合各种诊断对象的特殊规律逐步形成的一门新技术，它是一门综合性技术，涉及传感及测试技术、电子学、信号处理、识别理论、计算机技术以及人工只能专家系统等多门基础科学，是对这些基础理论的综合应用。设备状态检测与故障诊断是以多学科为依托，自成体系，发展十分迅速，取得了较大的经济和社会效益。它以故障机理研究作为基石，以信号处理和特征提取理论为基本手段。采用理论分析与实验分析相结合的研究方法。诊断对象广泛，工程应用性强，高新技术含量

4、高。第二章 内燃机2.1 内燃机的发展活塞式内燃机起源于用火药爆炸获取动力，但因火药燃烧难以控制而未获成功。1794年，英国人斯特里特提出从燃料的燃烧中获取动力，并且第一次提出了燃料与空气混合的概念。1833年，英国人赖特提出了直接利用燃烧压力推动活塞作功的设计。 之后人们又提出过各种各样的内燃机方案，但在十九世纪中叶以前均未付诸实用。直到1860年，法国的勒努瓦模仿蒸汽机的结构，设计制造出第一台实用的煤气机。这是一种无压缩、电点火、使用照明煤气的内燃机。勒努瓦首先在内燃机中采用了弹力活塞环。这台煤气机的热效率为4%左右。1862年，法国科学家罗沙对内燃机热力过程进行理论分析之后，提出提高内燃

5、机效率的要求，这就是最早的四冲程工作循环。1876年，德国发明家奥托（Otto）运用罗沙的原理，创制成功第一台往复活塞式、单缸、卧式、3.2千瓦(4.4马力)的四冲程内燃机1881年，英国工程师克拉克研制成功第一台二冲程的煤气机，并在巴黎博览会上展出。1883年，德国的戴姆勒（Daimler）创制成功第一台立式汽油机，它的特点是轻型和高速。1892年，德国工程师狄塞尔（Diesel）受面粉厂粉尘爆炸的启发，设想将吸入气缸的空气高度压缩，使其温度超过燃料的自燃温度，再用高压空气将燃料吹入气缸，使之着火燃烧。他首创的压缩点火式内燃机(柴油机)于1897年研制成功，为内燃机的发展开拓了新途径。189

6、8年，柴油机首先用于固定式发电机组，1903年用作商船动力，1904年装于舰艇，1913年第一台以柴油机为动力的内燃机车制成，1920年左右开始用于汽车和农业机械。2.2 内燃机的结构和系统组成内燃机主要分为两大机构：一、曲柄连杆机构；二、配气机构。四大系统（点燃式内燃机机为五大系统）：一、燃油供给系统；二、润坏系统；三、冷却系统；四、起动系统。点燃式内燃机还有点火系统。2.2.1 两大机构曲柄连杆机构是实现工作循环，完成能量循环的主要运动零件。它由机体组、活塞连杆组和曲轴飞轮组组成。在作功行程中，活塞承受燃气压力在气缸内作直线运动，通过连杆转换成曲轴的旋转运动，并从曲轴对外输出动力。而在进气

7、、压缩和排气行程中，飞轮释放能量又把曲轴的旋转运动转化成活塞的直线运动。配气机构的功用是根据发动机的工作顺序和工作过程，定时开启和关闭进气门和排气门，使可燃混合气或空气进入气缸，并使废气从气缸内排出，实现换气过程。配气机构大多采用顶置气门式配气机构，一般由气门组、气门传动组和气门驱动组组成2.2.2 四大系统汽油机燃油供给系的功用是根据发动机的要求，配制出一定数量和浓度的混合气，供入气缸，并将燃烧后的废气从气缸内排出到大气中去；柴油机燃油供给系的功用是把柴油和空气分别供入气缸，在燃烧室内形成混合气并燃烧，最后将燃烧后的废气排出。润滑系的功用是向作相对运动的零件表面输送定量的清洁润滑油，以实现液

8、体摩擦，减小摩擦阻力，减轻机件的磨损。并对零件表面进行清洗和冷却。润滑系通常由润滑油道、机油泵、机油滤清器和一些阀门等组成冷却系统的功用是将受热零件吸收的部分热量及时散发出去，保证发动机在最适宜的温度状态下工作。水冷发动机的冷却系通常由冷却水套、水泵、风扇、水箱、节温器等组成。起动系统：要使发动机由静止状态过渡到工作状态，必须先用外力转动发动机的曲轴，使活塞作往复运动，气缸内的可燃混合气燃烧膨胀作功，推动活塞向下运动使曲轴旋转。发动机才能自行运转，工作循环才能自动进行。 2.3 内燃机的分类1. 根据所用燃料分： 汽油机、柴油机、天然气（CNG）、LPG发动机、乙醇发动机等，另有双燃料发动机（

9、dual fuel engine）和灵活燃料发动机（Bi-fuel engine）。 2. 根据缸内着火方式分： 电燃式、点燃式、压燃式 3. 根据冲程数分：二冲程、四冲程 4. 根据活塞运动方式分 ： 往复式、旋转式 5. 根据气缸冷却方式分 ： 水冷式、风冷式 6. 根据气缸数目分 ：单缸机、多缸机 7. 根据内燃机转速分：低速(<300r/min)、中速(300 1000 r/min)、高速(>1000 r/min)； 8. 根据进气充量压力分：自然吸气式、增压式 9. 根据气缸排列分：立式、卧式直列、V型、对置X型、星型2.4 内燃机工作原理以四冲程压燃内燃机为例，四冲程分

10、别为：进气冲程、压缩冲程、做功冲程、排气冲程。空气经过空气滤清器，进入内燃机进气管，进气冲程过程中，气门被凸轮带动的摇臂顶开，空气进入缸体；压缩冲程过程中，进气门关闭，活塞向上压缩空气，空气体积减小，内能升高，温度急剧上升；做功冲程过程中，喷油嘴喷油，雾化柴油接触高温气体自燃爆炸，爆炸产生的能量推动活塞向下做功，活塞带动连杆、曲轴、飞轮最终带动另一个系统的动力元件；排气冲程过程中，排气气门打开，由于飞轮的惯性作用，带动活塞向上运动，将燃烧后的气体排出。第三章 故障诊断故障诊断分为：1、解析模型故障诊断方法。2、信号处理故障诊断方法。3、人工智能故障诊断方法。3.1 解析模型故障诊断方法解析模型

11、的方法是发展最早、研究最系统的一种故障诊断方法，能深入系统本质的动态性质和实时诊断，缺点是难以获得系统模型，且由于建模误差、扰动和噪声的存在，鲁棒性问题日益突出。解析模型故障诊断方法分为3类：一、状态估计诊断法：通过检测系统的状态参数变化，形成残差，从残差中提取故障特征，进行故障诊断。如基于Kalman 滤波器的方法和Luenberger观测器的方法。近几年出现了线性矩阵不等式方法等。二、参数估计诊断法：根据模型参数及相应的物理参数变化的统计特性来检测和分离故障。比如极大似然估计法、最小二乘法、互相关法等。其中最小二乘法及其改进方法是最基本也是最常用的方法。该方法实时跟踪参数的变化，故障检测快

12、而准，诊断的实时性强；但由于辨识非线性与时变系统的参数有一定难度，应用受到限制。三、一致性检验诊断法根据给出的状态方程就出系统的能观性子空间以及该子空间的正交补，将测量到的系统输出信号往正交补上投影，形成残差，然后更具残差特征判断故障类型。3.2 信号处理故障诊断方法基于幸好处理的方法实现简单、实时性较好；但是对潜在故障的诊断显得不足，多用于故障检测。信号处理故障诊断方法有两种：一、频谱分析法：频域分析法师设备故障诊断领域汇总应用最广的一种方法，通过傅里叶变换后将复杂的信号分解为有限或无限个频谱的分量之和，然后求各个分量的功率谱图，判断故障类型及故障源。频域分析法适用于分析平稳信号。二、小波变

13、换故障诊断方法：先对信号进行多级小波分解，得到各子带数据。通过对小波变换系数模极大值的检测来实现对信号奇异性的检测，从而确定故障发生时间。小波分析非常适合非平稳信号，对于平稳信号而言，同样有效。分析信号的奇异性位置和奇异性的大小都是比较有效的。3.3 人工智能故障诊断方法一、专家系统故障诊断方法：汇集众多专家知识，能对随机发生的故障进行诊断。二、神经网络故障诊断方法：利用已有的故障征兆和诊断结果对神经网络进行离线训练，使神经网络通过权值记忆故障征兆与故障诊断结果之间存在的对应关系；然后将得到的故障征兆加到网络输入端，就可以利用训练后的神经网络进行故障诊断，并得到相应的诊断结果。三、人工免疫算法

14、故障诊断方法：由耐受过程和检查过程构成。耐受过程：随机产生大量的候选检测器，把其中不与自体集中的任何一个样本相匹配的候选检测器设置为有效检测器，而发生匹配的候选检测器将被清除掉。检测过程：用检测器集检测“自体”集合是否发生变化。四、故障树故障诊断方法：故障树分析法将系统故障形成原因按树状逐级细化。把最容易发生的故障状态作为故障树的顶事件，寻找引起顶事件的直接原因，并将其逻辑关系用特定的逻辑符号表示出来，自上而下的逐级分解，直到不能分解的底事件，形成故障树。找出系统的薄弱环节，以便采取相应的改进措施。近些年来，由于计算机技术、信号处理、人工智能、模式识别技术的发展，促进了故障诊断技术的不断发展，

15、不断有新的理论引入故障之中，同时将集中诊断方法融合到一起的集成故障诊断研究也取得很大的发展。故障诊断是一门使用性很强的技术，因此只有在实际应用中才能体会到它的价值，目前在理论研究方面虽然有不少进展，但真正在工程实践中成功应用的实例还比较少，因此，如何将先进的故障诊断理论与方法应用到实际中去还有待深入的研究。第四章 内燃机的故障诊断内燃机是一个复杂系统，其故障约占机器的全部故障的40%以上，因此对内燃机展开故障诊断技术和系统的研究有着非常重要的现实意义。4.1 基于专家系统的方法基于专家系统的故障诊断方法其实是一个计算机智能程序，计算机在采集诊断对象的信息后，综合运用各种规则（专家经验）进行一系

16、列的推理，必要时还可以随时调用各种应用程序，运行过程中向用户索取必要信息后，就可以快速的找到最终故障或最有可能的故障，再由用户来证实。它一般由数据库、知识库、推理机、解释机制以及计算机接口等部分组成，其中知识库中存储诊断知识，也就是故障征兆、故障模式、故障成因、处理意见等内容，而数据库中存储了通过测量并处理得到的当前征兆信息，推理机就是使用数据库中的征兆信息通过一定的搜索在知识库中找到对应的征兆下可能发生的故障，然后对故障进行评价和决策。解释机制可以为此推理过程给出解释，而人机接口用于知识的输入和人机对话。例如，对于内燃机流量传感器输出信号线路短路故障，所测得的录入数据库中的信息由：空气流量信

17、号电压为0V，CO排放超标。诊断系统根据所指示的故障内容“空气流量电路输入低且CO排放超标”，对知识库中的相关记录进行匹配查询，利用统计和分析，对故障作出判断。但专家系统的应用依赖于专家的领域知识获取，因此知识获取被公认为专家系统研究开发中的“瓶颈”问题；另外，在自适应能力、学习能力及实时性方面也都存在不同程度的局限。4.2 基于人工神经网络的方法人工神经网络（Artificial Neural Network,简称ANN）从1943年心理学家和数学家W.Pitts研究并提出的M-P神经元模型起至今，已成为人工智能领域内除专家系统外的又一重要分支。人工神经网络采用神经元及它们之间的有向权重连接

18、来隐含处理问题的知识，因此它善于处理复杂问题，而且有自学习能力。神经元处理信息是相对独立的，便于处理并行问题。此外，人工神经网络还有冗余性，即使某个神经元失效，也不会影响到整个网络的性能。人工神经网络有许多不同的模型，如Hopfield模型、MLP模型等，应用最广泛的是BP神经网。文献1以BP网络构造了内燃机异响故障诊断模型，提高了故障诊断系统的稳定性和可靠性。文献2提出了一种基于粒子群优化算法和多层前向神经网络的新型进化神经网络模型（PSO-ANN），并将该模型应用于汽车发动机故障诊断中，提高了运算效率和收敛速度，是一种有效可靠的新型故障诊断方法。神经网络故障诊断虽然有它的独立的优越性，但也

19、存在一些困难，主要表现在训练样本获取困难、忽视了领域专家的经验知识、网络权值形式表达方式难以理解等方面。4.3 综合方法从上述介绍的方法在内燃机故障诊断的应用情况可看出，每种方法都有各自的使用范围和优点。依靠单一的方法，往往难以满足内燃机较为复杂的故障诊断要求。有两种以上智能方法构成的混合系统在内燃机故障诊断中的应用因此也越来越广泛，这也将是内燃机故障诊断发展趋势。智能方法集成的基本思路是：根据被求解问题的需要把系统分为若干个子块，每个子块分别由某种方法实现，再将各子块以某种方式集成来形成主体系统结构，或采用嵌入或变换子块的方法来构造功能完善的应用系统。4.3.1 专家系统和神经网络的结合人工

20、神经网络理论为智能故障诊断系统的发展开辟了崭新的途径。用神经网络技术建立故障诊断系统，不需要组织大规模的产生式规则，也不需要进行树搜索，系统可以自组织、自学习，并进行模糊推理，这对用传统人工智能方法建立的专家系统最感困难的知识获取和推理等问题提供了新的解决办法。文献3针对神经网络中的BP算法收敛速度慢、易陷入局部极小的缺陷，提出了用蚁群算法训练神经网络的方法，建立了蚁群神经网络故障诊断模型，并将其运用到传统的专家系统中，使收敛速度和故障诊断的精度都有所提高，实现了故障诊断的高效性与迅速性，为内燃机故障诊断提供了新的途径。 人工神经网络方法与模糊推理的结合神经网络方法和模糊推理在诊断知识的表示、知识存储、推理速度等方面发挥了很大的作用。神经网络由于能模仿人脑神经元功能，且具有强大的自学习能力和数据的直接处理能力，而模糊推理则模仿人脑的逻辑思维，具有较强的结构性知识表达能力。通过比较两者的优缺点，可以将神经网络方法与模糊推理方法结合起来，实现故障诊断系统对不精确或不确定等模糊信息的处理，同时使得基于规则的结构性知识能够得到