贾继德
(军事交通学院汽车工程系,天津 300161)
磨损会导致发动机各运动副配合间隙增大,引起非正常的振动冲击,并由此激发出异常响声。常见的发动机异响故障主要包括曲轴轴承、连杆轴承、活塞销、气缸、气门和挺杆的异响等。由于发动机异响信号具有非平稳、非高斯和非线性特点,所以一直是发动机故障诊断中的难点[1]。
许多学者在发动机异响故障诊断方面进行了研究,主要通过功率谱[2]、小波变换[3]、时频分布[4]等方法比较发动机正常与故障状态下振动信号的差异,实现故障特征提取和故障诊断。
由于基于直角坐标表示的时域、频域或时频域图形对于故障特征表现不太直观,在工程实践中不便于理解,因此一种对称极坐标方法被提出并应用于故障可视化诊断[5-7]。它是将信号的时域波形通过相应的计算公式,变换为由镜像对称点组成的雪花状图形。该方法能突出图形间的差异性,因而表现更直观。然而,大量的试验发现,发动机振动信号成分复杂,并伴有强烈的背景噪声,直接采用对称极坐标方法可视化效果并不十分理想。
据此,本文中提出一种小波对称极坐标分析方法。对测取的发动机振动信号进行连续小波变换,通过小波系数的自相关降噪处理提取信号特征,将信号特征用对称极坐标方法进行可视化表示与分析。通过实例进行仿真信号分析的结果表明,该方法可有效地衰减振动信号中的噪声干扰,提取故障特征,突出发动机不同异响故障图形的差异,并提高可视化监测诊断效果。
信号x(t)的连续小波变换[3]为
研究分析表明,当利用Morlet小波基函数对信号进行分析时,采用具有相同中心频率、不同带宽的小波分析得到的多个小波系数之间具有极大的相关性,而信号中的噪声相干性较低[8]。因此利用小波系数之间的这种相关特性可以有效地抑制噪声,从而增强信号。设两个小波系数 W1(f,b)、W2(f,b),其相关系数 C(f,b)[8]为
定义|C(f,b)|2为小波相关系数的时频能量,它能反映信号能量的时频分布和信号的组成特征。
对于离散数据序列,i时刻的数值为xi,i+L时刻的数值为x(i+L),通过以下公式转变为极坐标表示[5]:
在极坐标空间P中,参数θ、g、L选取非常重要。通过大量的试验[6]证明,θ取 60°较好,g应小于 θ,L值范围在1~10较佳。
发动机信号具有瞬态冲击的特点,选取一个谐波信号调制一个指数衰减的脉冲信号来仿真发动机故障信号,仿真信号的表达式为
式中:q(t)=1+0.2cos(0.12π(t-2k));h(t)=exp(-0.1(10π(t-2k))2)·cos(20π(t-2k));采样频率为200Hz,采样时间长度为20s。
仿真信号的时域波形、小波变换及小波降噪后的图形如图1所示。由于噪声的干扰从时域波形上不能发现仿真信号有价值的信息,如图1(a)所示;通过小波变换后从时频空间能发现信号是周期性的脉冲信号,但时频分布图仍然有显著的噪声干扰,如图1(b)所示;通过小波系数自相关降噪处理,实现了信号特征提取,如图1(c)所示。
将以上3种不同状态信号用对称极坐标进行表示,如图2所示。可以看出,小波降噪后的信号极坐标表示最为清晰,如图2(c)所示。
在某型汽油机上进行试验。振动传感器分别安装于发动机机体靠近各异响的部位,振动信号的采样频率为30kHz,每个信号长度为20 480点。常见异响故障的设置如表1所示。
表1 发动机异响故障设置
故障间隙按该发动机达到严重磨损时可能出现的配合间隙设置。
测取发动机不同磨损状态下的振动信号,通过小波降噪得到信号的时频分布图,如图3所示。由于各种异响特征差异性较小,要对其进行区分,必须仔细对比各幅图,因此非常繁琐。
对于小波降噪后的信号进一步用对称极坐标进行表示,如图4所示。
由图4可见,在缸盖处同一测点位置,发动机正常工作与气门和气门挺杆响所表现的图形有较大差异;在缸体上部同一测点位置,发动机正常工作与活塞销响和气缸响的图形有较大差异;在缸体下部同一测点位置,发动机正常工作与连杆轴承响和曲轴轴承响的图形也有较大差异。并且,发动机正常工作在3个不同测点位置时信号的图形也不同。
(1)提出了一种小波对称极坐标分析方法。通过实例进行仿真信号分析的结果表明,该方法可有效地去除随机噪声干扰,凸显信号特征,有助于故障的特征提取。
(2)在工程应用中,可通过大量的试验,建立发动机异响故障标准图形样本库。通过对采集的发动机响声极坐标图形与标准样本库中图形进行比对,实现诊断发动机异响故障的目的。
[1] 贾继德,陈容刚,邱峰,等.内燃机故障信号特性分析及诊断策略[J].农业机械学报,2005,36(12):39 -42.
[2] 贾继德,孔凡让,姜斯平.应用振动信号诊断汽油机磨损故障[J].汽车工程,2002,24(2):149 -163.
[3] 臧玉萍,张德江,王维正.基于小波变换技术的发动机异响故障诊断[J].机械工程学报,2009,45(6):239 -245.
[4] 郑海波,李志远,陈心昭,等.基于时频分布的发动机异响特征分析及故障诊断研究[J].内燃机学报,2002,20(3):267 -272.
[5] Shibata K,Takahashi A,Shirai T.Fault Diagnosis of Rotating Machinery Through Visualization of Sound Signals[J].Mechanical Systems and Signal Processing,2000,14(2):229 -241.
[6] Delvecchio S,D'Elia G,Mucchi E,et al.Advanced Signal Processing Tools for the Vibratory Surveillance of Assembly Faults in Diesel Engine Cold Tests[J].ASME Journal of Vibration and A-coustics,2010,132:1 -10.
[7] Wua Jianda,Chuangb Chaoqin.Fault Diagnosis of Internal Combustion Engines Using Visual Dot Patterns of Acoustic and Vibration Signals[J].NDT Int.,2005,38(8):605 -614.
[8] 景国玺,郝志勇,徐红梅.内燃机噪声源识别的小波相关系数方法研究[J].浙江大学学报(工学版),2008,42(10):1775 -1778.