贾继德
(军事交通学院汽车工程系,天津 300161)
柴油机燃烧状态与缸盖振动信号关系密切,因此,通过对缸盖振动信号检测可以实现柴油机燃烧状态监测与失火故障诊断[1-3]。然而,柴油机燃烧引起的缸盖振动信号具有非平稳瞬态冲击特征;同时,由于噪声的信噪比较低,如何消除噪声干扰因素,提取瞬态冲击特征是提高监测诊断准确率的关键。
Teager能量算子(TEO)是由Kaiser提出的一种非线性算子[4],可以计算信号的瞬时幅值和瞬时频率,并能有效地提取信号中的“瞬时能量”,对于高频信号成分的检测效果更佳[5]。然而,其抗噪性能差,较适合于单分量调幅调频信号解调;而用于低信噪比、多分量和复杂时变的缸盖信号分析时,效果并不理想。
建立在小波分析理论基础之上的交叉小波变换,可以在时频空间分析两个非平稳信号之间的相关性[6]。柴油机燃烧所引起的缸盖瞬态冲击,在不同工作循环的时频空间上具有很大的相关性,而信号中的随机噪声相关性较小,利用这一特性,通过交叉小波变换可以分解信号并显著衰减柴油机缸盖振动信号中的噪声。
综合利用上述两种方法的优点,提出一种基于交叉小波变换与Teager算子的柴油机燃烧特征增强方法。首先对柴油机缸盖信号中的两个连续工作循环数据进行交叉小波变换,对结果进一步应用二维Teager滤波器滤波,最后结合配气相位计算各缸做功能量,根据能量排列大小得出失火故障的气缸。仿真与实测信号分析结果表明,该方法可以实现柴油机周期瞬态冲击特征的提取与增强,有助于柴油机失火故障的诊断。
信号x(t)的小波变换为
(1)
式中:a为尺度因子;b为平移因子;*表示复数共轭。
任意两个信号x(t)和y(t),其交叉小波变换[7]为
Cx,y(a,b)=Wx(a,b)Wy*(a,b)
(2)
在小波变换基础之上建立的交叉小波变换得到两个信号相关性在时频域中分布状况,其变换系数表示这两个信号在时频域中存在相关性的大小,其值越大说明相关程度越密切[8]。
对于某离散信号x(i),TEO可以描述为
y(i)=[x(i)]2-x(i+1)x(i-1)
(3)
式中i为离散信号的序号。
在此基础上,得到二维Teager滤波器如下:
x(m-1,n)-x(m,n+1)x(m,n-1)
(4)
式中m、n表示二维矩阵的行与列。二维Teager滤波器具有局域平均与高通滤波特性,分析信号时会增强其高频成分,同时也增强了高频噪声。
该方法的计算流程如图1所示。
为增加检测效果的稳健性,最好对多次增强后的数据进行平均,以确保失火故障诊断效果。
为说明该方法,建立仿真信号如下:
x(k)=e-αtsin2πf1kT+n(t)
(5)
t=mod(kT,1/fm)
式中:k为数据序列;f1为载波频率,f1=4kHz;fm为调制频率,fm=50Hz;α为指数,α=800;T为采样时间间隔,T=1/fs,fs为采样频率,fs=20kHz;n(t)为噪声。
仿真信号时域波形如图2所示。图2(a)为仿真信号1,信噪比为7dB,图2(b)为仿真信号2,信噪比为8dB。加噪声后的仿真信号中的瞬态冲击被噪声掩盖,从时域中无法得到有用的信息。
对于仿真信号采用Morlet连续小波变换,如图3所示。从大量的噪声分布中初步可以发现瞬态冲击的存在,然而,噪声的影响仍然较大。图3中等高线云图的变化是与时频空间内信号能量变化相对应的。图中浅色区域对应于较高强度能量值,深色区域对应于较低强度能量值。
对两个仿真信号采用交叉小波变换,见图4(a),较明显地衰减了时频空间的噪声干扰,突出了信号中的瞬态冲击。充分说明交叉小波变换对两个信号的相关性分析具有很强的时频分析功能。进一步采用二维Teager滤波器处理,见图4(b),通过局域平均与高通滤波,增强了信号中的瞬态冲击。
仿真分析结果说明,这种方法充分发挥了交叉小波与二维Teager滤波器的优点,既消除了噪声干扰,又放大了信号特征。
试验在两台柴油机上进行,HJ493四缸柴油机做功顺序为1-3-4-2,WD615六缸柴油机做功顺序为1-5-3-6-2-4。在缸盖上安装振动传感器,分别采集柴油机正常燃烧和各缸分别断油时缸盖振动信号,并同步测取柴油机第1缸上止点信号。
下面以HJ493四缸柴油机正常燃烧特征检测为例说明上述方法的工程应用。
图5为柴油机正常燃烧时单一工作循环振动信号小波变换图。从图中可见,柴油机燃烧所引起的振动冲击发生的时机和所处的频率范围,但由于噪声的影响,分辨率较低,直接采用分析结果来监测柴油机燃烧质量容易引起误判。
通过基于交叉小波变换与Teager算子增强处理,消除了噪声干扰,获得了时频特征的显著增强,如图6(a)所示。进一步计算各缸工作区间能量,得到各缸能量分布图,如图6(b)所示。从图中可见,柴油机各缸能量占总能量百分比均在20%以上,最大绝对误差为6%,处于正常燃烧范围。
按上述方法对于第1缸、第2缸、第3缸和第4缸失火时缸盖振动信号进行分析,所得结果如图7~图10所示。失火故障发生时,故障缸的振动能量占总能量的百分比最低,与柴油机实际故障相吻合。
为进一步验证该方法的普适性,对于WD615六缸柴油机燃烧情况进行了检测,振动能量最小值设为故障缸,诊断结果如表1所示。
表1 柴油机失火故障诊断结果
(1) 基于交叉小波变换与Teager算子的柴油机燃烧特征增强方法通过交叉小波变换,将缸盖振动信号进行消噪处理;在此基础上,进一步通过Teager增强缸盖瞬态冲击特征,从而为柴油机燃烧质量监测诊断奠定了良好基础。
(2) 应用该方法对于两款柴油机失火故障监测诊断。结果表明,该方法可以消除缸盖振动信号中的非周期分量和随机干扰,显著增强故障特征,为柴油机燃烧质量监测诊断提供了有效手段。通过多次增强结果平均,诊断稳健性更好。
[1] Chang Jinseok, Kim Manshik, Min Kyoungdoug. Detection of Misfires and Knocks in Spark Ignition Engines by Wavelet Transform of Engine Block Vibration Signals[J]. Measurement Science and Technology,2002,13(7):1108-1114.
[2] 王洪刚,张喜兵,李才良,等.利用缸盖噪声信息诊断柴油机失火故障[J].振动工程学报,2002,15(2):207-209.
[3] 贾继德,葛同民,杨万成,等.基于非平稳周期循环特征增强的内燃机失火故障诊断研究[J].内燃机工程,2013,34(1):67-70.
[4] Kaisers F. On a Simple Algorithm Calculate the Energy of a Signal[C]. Proceedings of IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP'90). Albuquerque. IEEE Computer Society,1990.
[5] Bahoum M, Rouat J. Wavelet Beech Enhancement Based on the Teager Energy[J].IEEE Signal Processing Letters,2001,8(1):10-12.
[6] Kyprianou A, Staszewski W J. On the Cross-wavelet Analysis of Doffing Oscillator[J]. Journal of Sound and Vibration,1999,228(1):199-210.
[7] Peng Z K, Chu F L. Application of the Wavelet Transform in Machine Condition Monitoring and Fault Diagnostics: a Review with Bibliography[J]. Mechanical Systems and Signal Processing,2004,18(2):199-221.
[8] 彭志科,何水勇,褚福磊.小波尺度谱在振动信号分析中的应用研究[J].机械工程学报,2002,38(3):122-126.