基于异响分析的发动机故障成分提取研究及试验
发布时间：2021-04-03 00:56
发动机是汽车重要的组成部分,随着现代科技水平的日益提高,汽车发动机朝着智能化和多功能化方向发展,其结构越来越复杂,所需诊断项目越来越多,而传统依赖人工经验的办法已逐渐不能满足更高的诊断需求。因此开展基于异响分析的发动机故障成分提取研究及试验,对发动机进行在线诊断,及时地消除发动机产生的故障,避免发动机出现较大的损伤,提高发动机的可靠性和使用寿命具有重要的工程意义。基于声信号诊断发动机故障是现代故障诊断的热门研究方向,具有非接触性优点。其中故障成分的提取是故障诊断过程中的核心问题,直接影响到诊断的准确性与可靠性。本文在充分总结国内外现状的基础上,开展了基于自适应性错位叠加方法（ADSM）的发动机故障成分提取研究。ADSM分为三个步骤,首先,建立叠加段和待叠加段中起始叠加点的自动搜寻算法。其次,以起始叠加点为基准截取异响信号,对不同片段进行叠加,消除背景噪声,提高信噪比。最后,截取叠加信号中包含故障成分主要信息和能量的部分,完成故障成分的分离。以型号为EA211的四冲程发动机为研究对象搭建了数据采集和处理平台。该平台主要由发动机、工控机、声传感器、编码器和数据采集卡组成。其中,声传感器负责...
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
图１．３发动机噪声组成??Ｆｉｇ．?１．３?Ｔｈｅ?ｃｏｍｐｏｓｉｔｉｏｎ?ｏｆ?ｅｎｇｉｎｅ?ｎｏｉｓｅ??－２?－??
的具体信息。??１．２．３异响信号的时频分析法??时频分析是从时间和频率两个维度上对信进行分析，其前提是建立信号的时频分??布，即建立一个函数，该函数能够通过时间和频率两个域表征信号的能量密度。对时频??分布进行分析，检测信号在某一时间段内的频率变化［２１，２２］。??（１）短时傅里叶变换（ＳＴＦＴ）??短时傅里叶变换又称为加窗傅里叶变换，是Ｇａｂｏｒ于上个世纪４０年代对传统傅里??叶变换改进的一种算法，该方法具有时频局部化的功能和线性变换的特点［２３］。ＳＴＦＴ的??基本思想如图１．４所示，在傅里叶变换的基函数之前乘以一个时间窗函数，利用窗函数??对信号进行时间局部化，并且假设分段内的信号是平稳的线性信号，利用傅里叶变换对??加窗部分进行处理。ＳＴＦＴ通过窗函数的平移覆盖整个时间轴，进而获得信号频率分量??分布的情况。ＳＴＦＴ能对缓慢变化的非稳态信号进行一定的分析，但从本质上来说，ＳＴＦＴ??仍然是一种线性平稳信号的处理分析方法。在对信号截断时，所选的窗函数不仅要有较??好的时频特性，还要满足所造成的泄露少的要求。常用的窗函数主要有矩形窗、三角窗、??哈明窗、汉宁窗、高斯窗等［２４］。但是ＳＴＦＴ也存在着固有的局限性，即当窗函数选定后，??时间域的分辨率也随之确定，因此ＳＴＦＴ很难对有瞬时突变的信号进行分析［２５］。??ｘ（ｒ）??ｘ（?ｒ）Ｒ（?ｒ－ｔＡ＾＼ｘ（?ｔ）Ｒ（?ｒ－ｔ２ｙ＾）Ｒ｛?＾－ｈ）??〇?ｔ＼?２?’ｐ?ｒ?????｜－－ｆ｜ｒ??＼?［－－－Ｆ；Ｔ??＼?—ｆ—Ｆ｜Ｔ?１?；?Ｉ??〇＼?ｈ?ｈ?ｈ￣＾??图１．４?ＳＴＦＴ的变换原理??Ｆｉｇ．?１．４?ＳＴＦ
ＴＦＴ局部变化的思想。但是与ＳＴＦＴ不同的是，小波变换可以通过伸??缩和平移改变时域分析窗的形状，在高频处采用短窗以获得良好的时域分辨率，而在低??频采用长窗以获得良好的频域分辨率Ｍ。小波变换的这种性质能够满足对随时间变化的??复杂频率成分的信号进行时频分析的要求，适合探测和展示机械设备中产生的冲击噪声??的瞬态反常部分。因此小波分析一直是近几年机械故障诊断领域研宄的热门方向。??使用小波分析信号时需要对信号进行重构，即对被分解的不同层次的分离信号进行??重新构造，得到目标信号。例如图１．５中，目标信号Ｘ可以被描述为ｃＡ３，?ｃＤ３，?ｃＤ２与??ｃＤｉ之和。实际工程中，信号的低频部分往往是最重要的，而高频部分只起到一个修饰??作用，因此处理实际信号时，常常去掉高频噪声，用低频部分构造的信号近似代替目标??信号进行分析。然而，不同的小波基具有不同的性质和应用范围，应用到相同的问题会??产生不同的结果，要想用小波分析得到理想的结果，需要选择合适的小波基，而目前针??对小波基选择的问题还是通过试算的方式来确定，尚未行成成熟的理论指导［２７］。??Ｘ??Ｉ???ｉ?１???ｃＡ，?ｃＤ］??Ｉ?￣??Ｃ?Ｃ〇２??￣￣ｃＡ，为第ｉ层分解的近似分量??ｃＤ，为第；层分解的细节分量??图１．５小波分解树??Ｆｉｇ．?１．５?Ｗａｖｅｌｅｔ?ｄｅｃｏｍｐｏｓｉｔｉｏｎ?ｔｒｅｅ??（４）经验模态分解法（ＥＭＤ）??经验模态分解（ＥＭＤ）是由ＨｕａｎｇＰ］提出的用于处理非平稳信号的一种方法。该方??法从本质上来说是对信号进行平稳化处理，使信号从不同尺度的波动和趋势逐级分开，??得到一组具有不同特征尺度的数
本文编号：3116294
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
图１．３发动机噪声组成??Ｆｉｇ．?１．３?Ｔｈｅ?ｃｏｍｐｏｓｉｔｉｏｎ?ｏｆ?ｅｎｇｉｎｅ?ｎｏｉｓｅ??－２?－??
的具体信息。??１．２．３异响信号的时频分析法??时频分析是从时间和频率两个维度上对信进行分析，其前提是建立信号的时频分??布，即建立一个函数，该函数能够通过时间和频率两个域表征信号的能量密度。对时频??分布进行分析，检测信号在某一时间段内的频率变化［２１，２２］。??（１）短时傅里叶变换（ＳＴＦＴ）??短时傅里叶变换又称为加窗傅里叶变换，是Ｇａｂｏｒ于上个世纪４０年代对传统傅里??叶变换改进的一种算法，该方法具有时频局部化的功能和线性变换的特点［２３］。ＳＴＦＴ的??基本思想如图１．４所示，在傅里叶变换的基函数之前乘以一个时间窗函数，利用窗函数??对信号进行时间局部化，并且假设分段内的信号是平稳的线性信号，利用傅里叶变换对??加窗部分进行处理。ＳＴＦＴ通过窗函数的平移覆盖整个时间轴，进而获得信号频率分量??分布的情况。ＳＴＦＴ能对缓慢变化的非稳态信号进行一定的分析，但从本质上来说，ＳＴＦＴ??仍然是一种线性平稳信号的处理分析方法。在对信号截断时，所选的窗函数不仅要有较??好的时频特性，还要满足所造成的泄露少的要求。常用的窗函数主要有矩形窗、三角窗、??哈明窗、汉宁窗、高斯窗等［２４］。但是ＳＴＦＴ也存在着固有的局限性，即当窗函数选定后，??时间域的分辨率也随之确定，因此ＳＴＦＴ很难对有瞬时突变的信号进行分析［２５］。??ｘ（ｒ）??ｘ（?ｒ）Ｒ（?ｒ－ｔＡ＾＼ｘ（?ｔ）Ｒ（?ｒ－ｔ２ｙ＾）Ｒ｛?＾－ｈ）??〇?ｔ＼?２?’ｐ?ｒ?????｜－－ｆ｜ｒ??＼?［－－－Ｆ；Ｔ??＼?—ｆ—Ｆ｜Ｔ?１?；?Ｉ??〇＼?ｈ?ｈ?ｈ￣＾??图１．４?ＳＴＦＴ的变换原理??Ｆｉｇ．?１．４?ＳＴＦ
ＴＦＴ局部变化的思想。但是与ＳＴＦＴ不同的是，小波变换可以通过伸??缩和平移改变时域分析窗的形状，在高频处采用短窗以获得良好的时域分辨率，而在低??频采用长窗以获得良好的频域分辨率Ｍ。小波变换的这种性质能够满足对随时间变化的??复杂频率成分的信号进行时频分析的要求，适合探测和展示机械设备中产生的冲击噪声??的瞬态反常部分。因此小波分析一直是近几年机械故障诊断领域研宄的热门方向。??使用小波分析信号时需要对信号进行重构，即对被分解的不同层次的分离信号进行??重新构造，得到目标信号。例如图１．５中，目标信号Ｘ可以被描述为ｃＡ３，?ｃＤ３，?ｃＤ２与??ｃＤｉ之和。实际工程中，信号的低频部分往往是最重要的，而高频部分只起到一个修饰??作用，因此处理实际信号时，常常去掉高频噪声，用低频部分构造的信号近似代替目标??信号进行分析。然而，不同的小波基具有不同的性质和应用范围，应用到相同的问题会??产生不同的结果，要想用小波分析得到理想的结果，需要选择合适的小波基，而目前针??对小波基选择的问题还是通过试算的方式来确定，尚未行成成熟的理论指导［２７］。??Ｘ??Ｉ???ｉ?１???ｃＡ，?ｃＤ］??Ｉ?￣??Ｃ?Ｃ〇２??￣￣ｃＡ，为第ｉ层分解的近似分量??ｃＤ，为第；层分解的细节分量??图１．５小波分解树??Ｆｉｇ．?１．５?Ｗａｖｅｌｅｔ?ｄｅｃｏｍｐｏｓｉｔｉｏｎ?ｔｒｅｅ??（４）经验模态分解法（ＥＭＤ）??经验模态分解（ＥＭＤ）是由ＨｕａｎｇＰ］提出的用于处理非平稳信号的一种方法。该方??法从本质上来说是对信号进行平稳化处理，使信号从不同尺度的波动和趋势逐级分开，??得到一组具有不同特征尺度的数
本文编号：3116294
本文链接：https://www.wllwen.com/kejilunwen/qiche/3116294.html
