基于排气压力波分析的发动机故障监测诊断方法研究

摘要

汽车发动机的工作状况直接影响汽车的动力性、可靠性以及安全性。现有的汽车发动机综合故障诊断技术依赖于多种传感系统和专家的先验知识,不利于在车载系统上使用。因此,探索一种高效的用于车载汽油发动机故障监测与诊断系统的方法就十分必要。本文基于排气压力波分析提出了发动机故障监测与诊断的新方案,主要的研究成果如下:
　　(1)利用GT-POWER软件建立一个三缸四行程的汽油发动机模型。本文在该模型的基础上仿真分析了三缸发动机的排气压力波性能;
　　(2)引入经验模态分解(EMD)方法分析发动机排气压力波,实现发动机故障监测。对排气压力波数据采用经验模态分解法进行分解,用EMD极值时间尺度特征向量来量化分析结果。该法在实测的Geely发动机排气压力波数据上检验时,发动机工况监测成功率达82.5％;
　　(3)提出边际谱熵法进行发动机故障监测,优化了故障监测方案。在对测得的排气压力波数据进行EMD分解后,继续进行Hilbert变换求Hilbert边际谱,将“熵”的概念引入边际谱,用边际谱熵来量化分析结果,选定阈值进行发动机工况监测。该法在实测的80组Geely发动机排气压力波数据上检验时,发动机工况监测准确率达到了98%;
　　(4)引入动态时间弯曲距离法进行发动机故障诊断。对时域测得的排气压力波数据提取故障样本,新采集的数据与故障样本数据计算动态时间弯曲距离,根据与样本的距离大小进行故障分类,从而诊断发动机故障。该法对采集的数据长度不要求一致,鲁棒性好,是一种非常有效的发动机故障诊断方法。但存储故障样本要求完整,存储的数据量大;
　　(5)提出基于希尔伯特-黄变换的特征频谱法进行发动机故障诊断。对采集的排气压力波数据进行希尔伯特-黄变换,获取频域波谱特性,提取瞬时频率进行故障量化,依据瞬时频率特性的差异诊断发动机故障。该法进行发动机故障诊断准确度高,快捷方便。同时,以特征频谱向量的形式存储故障样本,样本占空间少,故障波谱知识库易于扩展。该法具有较大的工程应用价值。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

§1.1 课题背景和意义

§1.2 发动机故障诊断研究现状

§1.3 汽车发动机排气压力波的研究与应用现状

§1.4 信号分析与处理常用方法及特点

§1.5 课题来源

§1.6 本文结构安排

第二章 汽车发动机排气压力波性能仿真分析

§2.1 汽车发动机及其排气系统

§2.2 排气系统的压力波形成与传播

§2.3 排气压力波性能仿真分析

§2.4 本章小结

第三章 发动机故障监测与诊断方法的理论基础

§3.1 希尔伯特-黄变换基本原理

§3.2 动态时间弯曲距离

§3.3 本章小结

第四章 Geely发动机排气压力波信号采集

§4.1 发动机排气压力波监测模型

§4.2 排气压力传感器的选择

§4.3 排气压力波测点的选择

§4.4 排气压力传感器的现场布置

§4.5 采集排气压力波信号

§4.6 排气压力波信号的预处理

§4.7 本章小结

第五章 发动机故障监测方法研究

§5.1 EMD极值时间尺度法

§5.2 基于希尔伯特-黄变换的边际谱熵法

§5.3 本章小结

第六章 发动机故障诊断方法研究

§6.1 动态时间弯曲距离法

§6.2 希尔伯特-黄变换特征频谱法

§6.3 本章小结

第七章 全文工作总结及展望

参考文献

致谢

作者在攻读硕士期间主要研究成果