一种基于多测点信息融合的柴油机振动冲击来源识别方法

摘要

本发明是一种基于多测点信息融合的柴油机振动冲击来源识别方法。该方法以柴油机在线监测系统为基础，计算采集缸盖振动信号的振动冲击能量，均匀分段得到振动冲击能量最大值矩阵，定义建立振动冲击能量无量纲指数矩阵，并测绘机组结构得到所有气缸两两之间距离矩阵。在此基础上制定冲击来源判定条件，根据能量与距离矩阵特征识别冲击来源。该方法根据振动传递的衰减规律，对多测点信号进行融合分析，通过实际检验，可以快速准确地实现四冲程或两冲程柴油机的振动冲击来源识别与故障监测诊断。本方法可用于正常工作时不同测点信号中来自同一激励源冲击的来源识别，还可以对实际机组的运行健康状态实时监测，对故障产生的异常冲击进行快速定位诊断。

说明书

技术领域

本发明属于柴油发动机故障监测诊断技术领域，涉及一种基于多测点信息融合的柴油机振动冲击来源识别方法。

背景技术

柴油机作为工业领域应用广泛的动力设备，内部零件相互配合，振动源众多，气缸内工质的爆炸燃烧、运动部件的碰撞振动、耦合部件的形变断裂等均通过连接处传递至机体表面。缸盖振动信号包含不同振动源的有效振动成分及干扰噪声；振源传递路径各异，同一振源经不同路径传递到多个缸盖表面产生振动响应，某缸测点的信号可能受到其他缸的干扰与混叠，因此故障诊断中需要对振动冲击进行有效的分离识别。

近年来，关于柴油机振动信号冲击的识别分离有较多的研究成果。Vulli S等使用STFT短时傅立叶变换对振动信号时频分析，可以实现燃烧激励与其他激励源如活塞拍击的分离识别；Buzzoni M等采用CWT连续小波变换的方法识别活塞拍击行为的特征频带；张云强等基于VMD变分模态分解算法，实现对柴油机滑动轴承磨损故障进行特征分离提取与诊断；LiuX等结合仿真模拟和遗传算法，提出一种改进的BLMS算法分离识别燃活塞拍击冲击。对冲击来源识别方法，有如下文献资料涉及：(1)基于变分模式分解的滑动轴承摩擦故障特征提取与状态识别，(2)基于盲源分离的柴油机激励源振动响应分离方法研究，(3)基于独立分量分析及小波变换的内燃机辐射噪声盲源分离和识别；以上研究存在的不足在于：大多仅孤立分析某一测点的信号，识别冲击的成分类型，而实际监测中一个测点信号通常包含多个气缸中的同类型冲击成分，仍需在空间上进一步分离识别。常规冲击来源识别依赖冲击的相位信息，在冲击混叠、转速波动大、甚至无转速信号的情况下，很难准确冲击相位，对信号冲击来源进行定位，从而进一步提取冲击特征诊断故障。柴油机的故障监测诊断需要一种快速定量、准确率高，可有效应用到工程现场的冲击来源识别方法。

本发明基于柴油机振动传递特征的理论分析，结合多年柴油机实际故障诊断经验，对柴油机振动冲击在多气缸测点间的传递特征进行了细致分析与参数定义，结合实际的振动信号冲击来源与故障监测诊断案例，提出一种基于多测点信息融合的柴油机振动冲击来源识别方法，充分融合各测点振动信息，可快速准确地识别振动冲击的激励来源，实现故障的监测诊断与快速定位。

发明内容

本发明涉及柴油机振动冲击来源识别方法，是一种基于多测点信息融合的柴油机振动冲击来源识别方法，克服了传统冲击识别方法依赖机组先验知识、多测点信号冲击混叠的问题，以新的角度融合缸盖测点空间分布信息，依据振动冲击传递规律，改变了原有识别方法效率较低、准确率低以及对诊断水平要求高的缺陷，满足工程一线设备维护管理人员的普遍使用要求，显著提升了在线监测系统的实用性。

该方法以柴油机在线监测系统为基础，计算采集缸盖振动信号的振动冲击能量，均匀分段得到振动冲击能量最大值矩阵，定义建立振动冲击能量无量纲指数矩阵，并测绘机组结构得到所有气缸两两之间距离矩阵。在此基础上制定冲击来源判定条件，根据能量与距离矩阵特征识别冲击来源。该方法根据振动传递的衰减规律，对多测点信号进行融合分析，通过实际检验，可以快速准确地实现四冲程或两冲程柴油机的振动冲击来源识别与故障监测诊断。

本发明提出的一种基于多测点信息融合的柴油机振动冲击来源识别方法，包括以下内容：

一种基于多测点信息融合的柴油机振动冲击来源识别方法，采用无量纲指数矩阵表征同一时刻不同测点振动冲击能量，判断冲击传递规律识别冲击源，对于四冲程柴油机，其特征在于包括以下步骤：

1)计柴油机气缸数量为N，完成柴油机所有气缸的缸盖振动信号整周期采集，采集曲轴旋转4周的振动信号，记为n取值范围1～N；θ代表曲轴转角，对θ取值范围是[0，1440°]；

2)计算振动信号的振动冲击能量计算公式为：

其中：

Δθ：曲轴转角θ的采样间隔；

3)将均分72段，每段的角度范围均为10°，获得每10°内振动冲击能量最大值，构成矩阵，记为e⁴(n,i)：

4)针对振动冲击能量最大值矩阵e⁴(n,i)，进行归一化处理，定义建立振动冲击能量无量纲指数矩阵V⁴(n,i)，指数表征整机各时刻各位置的振动能量：

其中：

min(e⁴(1～N,i))：1～N个测点第i段信号冲击能量最大值e⁴(n,i)中的最小值，

max(e⁴(1～N,i))：1～N个测点第i段信号冲击能量最大值e⁴(n,i)中的最大值；

5)构建所有气缸两两之间距离的矩阵L(j,k)，代表第j个气缸中心线与缸盖下端面交点到第k个气缸中心线与缸盖下端面交点的直线距离，j的取值范围是[1，N]，k的取值范围是[1，N]；

6)对矩阵L(j,k)的每一列数据提取其中不同的距离值，第k列的距离值总数为M(k)；对矩阵L(j,k)的第k列数据进行从小到大递增排序，建立M(k)个行向量，其中第1个行向量中的元素是矩阵L(j,k)的第k列中最小值对应的j值，第M(k)个行向量中的元素是矩阵L(j,k)的的第k列中最大值对应的j值，当矩阵L(j,k)的第k列数据中存在相同数据时，相同数据对应的j值记录于M(k)个行向量中的某个行向量中；

7)针对由矩阵L(j,k)的每一列数据建立的M(k)个行向量和其每一行元素中记录的j值，带入冲击能量无量纲指数矩阵V⁴(n,i)，对矩阵V⁴(n,i)的每一列，提取第j行的具体数据V⁴(j,i)，将这些具体数据带入M(k)个行向量中，替换原来的j值，上述过程将72次建立新的M(k)个行向量；对进行每次建立的M(k)个行向量，进行冲击递减规律计算，可识别振动冲击来源；

对于四冲程柴油机所述步骤7)中冲击递减规律计算方法，具体如下：

1)对第i次建立新的M(k)个行向量，i＝1,2,3…72，计算第一个行向量中的元素是否是M(k)个行向量中元素的最大值；

2)对第i次建立新的M(k)个行向量，i＝1,2,3…72，分别计算第t行向量中的所有元素与第t-1行向量中的所有元素的大小关系，t取值范围2～M(k)；若第t行向量中的不少于2/3的元素小于第t-1行向量中的所有元素，则A(t-1)＝1，否则A(t-1)＝0；

3)对第i次建立新的M(k)个行向量，若第一个行向量中的元素是M(k)个行向量中元素的最大值，且则说明在曲轴转角θ∈[360+10°×(i-1),360+10°×i)范围内所有气缸的缸盖振动信号的最大冲击来源于第k个气缸，k的取值范围是[1，N]；

一种基于多测点信息融合的柴油机振动冲击来源识别方法，对于二冲程柴油机，其特征在于包括以下步骤：

1)计柴油机气缸数量为N，完成柴油机所有气缸的缸盖振动信号整周期采集，采集曲轴旋转3周的振动信号，记为n取值范围1～N；θ代表曲轴转角，对θ取值范围是[0，1080°]；

2)计算振动信号的振动冲击能量计算公式为：

其中：

Δθ：曲轴转角θ的采样间隔；

3)将均分36段，每段的角度范围均为10°，获得每10°内振动冲击能量最大值，构成矩阵，记为e²(n,i)：

4)针对振动冲击能量最大值矩阵e²(n,i)，进行归一化处理，定义建立振动冲击能量无量纲指数矩阵V²(n,i)，指数表征整机各时刻各位置的振动能量：

其中：

min(e²(1～N,i))：1～N个测点第i段信号冲击能量最大值e²(n,i)中的最小值，

max(e²(1～N,i))：1～N个测点第i段信号冲击能量最大值e²(n,i)中的最大值；

5)构建所有气缸两两之间距离的矩阵L(j,k)，代表第j个气缸中心线与缸盖下端面交点到第k个气缸中心线与缸盖下端面交点的直线距离，j的取值范围是[1，N]，k的取值范围是[1，N]；

6)对矩阵L(j,k)的每一列数据提取其中不同的距离值，第k列的距离值总数为M(k)；对矩阵L(j,k)的第k列数据进行从小到大递增排序，建立M(k)个行向量，其中第1个行向量中的元素是矩阵L(j,k)的第k列中最小值对应的j值，第M(k)个行向量中的元素是矩阵L(j,k)的的第k列中最大值对应的j值，当矩阵L(j,k)的第k列数据中存在相同数据时，相同数据对应的j值记录于M(k)个行向量中的某个行向量中；

7)针对由矩阵L(j,k)的每一列数据建立的M(k)个行向量和其每一行元素中记录的j值，带入冲击能量无量纲指数矩阵V²(n,i)，对矩阵V²(n,i)的每一列，提取第j行的具体数据V²(j,i)，将这些具体数据带入M(k)个行向量中，替换原来的j值，上述过程将36次建立新的M(k)个行向量；对进行每次建立的M(k)个行向量，进行冲击递减规律计算，可识别振动冲击来源；

对于二冲程柴油机所述步骤7)中冲击递减规律计算方法，具体如下：

1)对第i次建立新的M(k)个行向量，i＝1,2,3…36，计算第一个行向量中的元素是否是M(k)个行向量中元素的最大值；

2)对第i次建立新的M(k)个行向量，i＝1,2,3…36，分别计算第t行向量中的所有元素与第t-1行向量中的所有元素的大小关系，t取值范围2～M(k)；若第t行向量中的不少于2/3的元素小于第t-1行向量中的所有元素，则A(t-1)＝1，否则A(t-1)＝0；

3)对第i次建立新的M(k)个行向量，若第一个行向量中的元素是M(k)个行向量中元素的最大值，且则说明在曲轴转角θ∈[360+10°×(i-1),360+10°×i)范围内所有气缸的缸盖振动信号的最大冲击来源于第k个气缸，k的取值范围是[1，N]。

本方法不仅可用于实际四冲程或二冲程柴油机组正常工作时，各测点信号中来自同一激励源冲击的来源识别，还可以对实际机组的运行健康状态实时监测，对故障产生的异常冲击进行快速定位诊断，对柴油发动机安全、可靠、稳定运行具有重要意义。

附图说明

图1是本发明流程图；

图2是本实施案例1机组各缸盖测点的整周期振动角域信号，自上而下为1-6#气缸测点；

图3是本实施案例1机组各缸盖测点的振动冲击能量信号；

图4是本实施案例2机组故障状态各缸盖测点的整周期振动角域信号；

图5是本实施案例2机组故障状态各缸盖测点的振动冲击能量信号。

具体实施方式

如图1所示，本发明的流程主要包括：

(1)柴油机所有气缸缸盖振动信号整周期采集；

(2)计算缸盖振动信号的振动冲击能量；

(3)分段得到振动冲击能量最大值矩阵；

(4)定义建立振动冲击能量无量纲指数矩阵；

(5)构建所有气缸两两之间距离的矩阵；

(6)根据能量与距离矩阵特征识别冲击来源；

(7)实际应用检验。

本发明选择一台6缸4冲程潍柴WP10.270N柴油机作为应用对象，对本发明的实际使用效果进行检验。

1、案例1对应用柴油机正常状态下，信号中振动冲击的来源进行识别。并对本发明的识别精度进行统计评估。

1)利用柴油机实验台进行开机实验，安装BH5000E柴油机在线监测系统，采样频率为25600Hz，机组额定转速为2000rpm，额定功率为150KW，其他机组主要技术参数见表1。在各缸缸头位置安装振动加速度传感器，采集处理得到各缸盖测点的振动角域信号其中θ取值范围是[0，1440°]；

2)计算实验柴油机振动信号的振动冲击能量，得到观察图2原始角域信号中冲击的分布规律，可以发现：同时刻的不同测点均会出现类似的振动冲击，但其幅值各不相同。计算信号的冲击能量如图3，其中θ取值范围是[360°，1080°]。此步过滤大量振动噪声，使冲击更加显著容易识别；

3)将振动冲击能量均分72段，每段的角度范围均为10°，计算每10°内振动冲击能量最大值，构成矩阵e⁴(n,i)，表征振动冲击的能量大小特征。取第1段、第37段和第61段，即e⁴(n,1)、e⁴(n,37)、e⁴(n,61)具体数据见表2；

4)将振动冲击能量最大值矩阵e⁴(n,i)沿列向归一化处理，定义建立振动冲击能量无量纲指数矩阵V(n,i)，表征整机各时刻各位置的振动能量。取第1段、第37段和第61段，即V(n,1)、V(n,37)、V(n,61)具体数据见表3；

5)测量实验柴油机气缸两两距离，机组气缸为均匀分布排列，间距均为0.18m，构建距离矩阵L(j,k)：

6)对矩阵L(j,k)的每一列数据提取其中不同的距离值，此时k取值范围是[1,6]。第k列的距离值总数为M(k)，M(k)具体值见表4；

对矩阵L(j,k)的第k列数据进行从小到大递增排序，建立M(k)个行向量，其中第1个行向量中的元素是矩阵L(j,k)的第k列中最小值对应的j值，第M(k)个行向量中的元素是矩阵L(j,k)的的第k列中最大值对应的j值，当矩阵L(j,k)的第k列数据中存在相同数据时，相同数据对应的j值记录于M(k)个行向量中的某个行向量中。取k＝1～6时，分别建立行向量组如下：

7)接下来针对第i段冲击，识别冲击来源：首先i＝1时，将由矩阵L(j,k)的每一列数据建立的M(k)个行向量和其每一行元素中记录的j值，带入冲击能量无量纲指数矩阵V⁴(n,i)，对矩阵V⁴(n,i)的每一列，提取第j行的具体数据V⁴(j,i)，将这些具体数据带入M(k)个行向量中，替换原来的j值，转换如下：

根据冲击递减规律计算，判定识别第i段冲击来源。根据前文方法的定义处理，即转化为对k分别取值1～6得到的上述6个向量组的特征判断问题，首先判断i＝1,k＝1的向量组：

①第一个行向量中的元素为1，是M(1)＝6个行向量中元素的最大值；

②分别计算第t行向量中的所有元素与第t-1行向量中的所有元素的大小关系，t取值范围2～6；若第t行向量中的不少于2/3的元素小于第t-1行向量中的所有元素，则A(t-1)＝1，否则A(t-1)＝0。得到A(1)～A(4)均为1，A(5)＝0；

③k＝1时，符合最大值条件；

且条件成立

则说明此时冲击递减规律条件符合。

继续判断i＝1，k＝2～6的向量组，发现其均不符合条件①。结合k＝1的判断结果，最终得到结果：第i段冲击，即在曲轴转角θ∈[360°,370°)范围内所有气缸的缸盖振动信号的最大冲击来源于1#气缸：

通过查表可知，1#缸的点火相位即在360°相位附近，因此1号冲击确实来自1#气缸，这与本发明冲击来源识别方法的结果保持一致。

同样地方法识别判断，对于第37、61段冲击，分析其传递递减规律，得到判断结果：第37段和61段的冲击来源为6#缸和4#缸。

结合本机WP10.270N柴油机的实际各缸点火顺序：1-5-3-6-2-4，点火方式为均匀点火，对应本信号中的点火相位为：360-480-600-720-840-960-1080(°)。第37段和61段对应相位分别是720-730(°)和960-970(°)，因此识别结果是正确的。

为了验证方法的普遍性，实验选取了该柴油机正常运行的连续采集的20组振动角域信号其中θ取值范围是[360°，1080°]内共计存在120个燃烧冲击。具体识别效果：对于已知的120个燃烧冲击，测试样本的识别正确个数为118，未识别个数为2，识别正确率为98.3％。

具体识别准确率见表5。显然，该算法的冲击源识别效果优良，具有实用价值。

2、案例2对实验柴油机一种典型故障——气门裂纹故障发生时，信号中产生异常冲击的来源进行识别，进而快速诊断故障。

柴油机气门工作时处于高温、高压、腐蚀、交变载荷等极其恶劣的环境中，激励复杂，对工件的强度、刚度、加工质量要求很高，气门断裂故障发生率高，破坏性大，是典型柴油机故障类型。在上述柴油机实验台上，继续进行气门断裂故障模拟实验，应用本识别方法。实验过程具体如下：

将WP10.270N柴油机6号气缸的排气门颈部以上20mm位置处线切割一个高度1mm，深度为8mm的缺口，并重新安装到机器上开机，采集柴油机气门断裂故障下机体的振动信号。采集处理得到各缸盖测点的振动角域信号

对比故障状态与正常状态下的振动信号，可以发现除正常的6气缸不同时刻的燃烧冲击以外，大约890°-900°相位附近新出现了一个较大的冲击，这是气门裂纹故障的主要显著特征。

根据本发明的算法流程，将信号均分为72段，i＝1～72，逐一进行冲击来源识别判断。当i＝55时，方法同样取k＝1～6时，分别得到冲击传递行向量组如下：

根据冲击递减规律，对以上6组行向量进行判断：

k＝6时，符合最大值条件；

且条件成立。

因此方法得出结果该段冲击的来源是6#气缸。又因为该冲击是柴油机气门裂纹故障发生情况下突然出现，最终得出诊断结论：6#缸是故障冲击的来源。

通过查找本柴油机6#缸的结构信息，对应本信号的该冲击相位与进气门开启时刻的相位对应。得出结论：柴油机6#气缸的进气门发生故障，工作时产生剧烈振动，并且冲击传递至缸头测点被振动传感器所捕捉采集。该方法确定的故障气门与实验前破坏的气门是一致的。拆机检查后，发现气门裂纹进一步恶化，演变为整个气门杆部的明显弯曲变形。

本冲击来源识别方法准确捕捉到故障发生时出现的异常冲击，成功应用于柴油实验台模拟故障的定位。之后结合柴油的相关先验知识进一步确定诊断结果。在故障发生的初期，及时、准确地预测与诊断了气门断裂故障，避免了气门彻底断裂掉入气缸内发生撞缸的严重后果。

本发明基于多测点信息融合的柴油机振动冲击来源识别方法，在一台直列6缸柴油机应用，验证理论结论的信号特点和方法的准确性与普适性。而且识别方法可应用于实际故障诊断中，实现气门断裂故障的实时监测与快速诊断定位。该识别方法快速高效，可以准确识别冲击来源，定位故障发生部位。

表1是柴油机主要技术参数表；

表2是案例1第1、37和61段信号的振动冲击能量最大值；

表3是案例1第1、37和61段信号的振动冲击能量无量纲指数；

表4是案例1距离矩阵L(j,k)第k列对应的M(k)值；

表5是本方法振动冲击来源识别准确率统计。

表1柴油机组主要技术参数

表2案例1第1、37和61段信号的振动冲击能量最大值

表3案例1第1、37和61段信号的振动冲击能量无量纲指数

表4案例1矩阵L(j,k)第k列对应的M(k)值

表5本方法振动冲击来源识别准确率统计