柴油機機體振動分析與診斷研究

（中北大學機械工程與自動化學院，山西太原030051）

柴油機機體振動分析與診斷研究

趙潤鵬，潘宏俠，潘銘志，王晉
（中北大學機械工程與自動化學院，山西太原030051）

柴油機運行時因激振力的作用會產(chǎn)生一定方向和頻率的沖擊振動，構(gòu)件的裂紋或松動等故障會影響到其響應(yīng)成分的頻率能量特性。針對柴油機運行時的沖擊響應(yīng)振動信號，利用小波分析快速進行信噪分離，頻域范圍內(nèi)采用功率譜分析結(jié)合小波包分解對各頻段能量譜分析。根據(jù)振動信號時域峰值和時刻，頻域能量的變化和分布，給出故障診斷層使用的狀態(tài)特征向量，并用比例梯度動量共軛算法訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型進行柴油機狀態(tài)定位與故障識別。

柴油機 振動分析 故障診斷 小波分析

1 引言

柴油機由于制造裝配誤差和不適當?shù)墓ぷ鳁l件（如載荷過大、潤滑不良），使其易發(fā)生故障。現(xiàn)階段柴油機維修保障手段相對落后，傳統(tǒng)方法采用聽、摸、看和經(jīng)常的大拆大卸、開箱解體方式檢查，維修成本高、周期長，受主觀因素的干擾易造成誤診漏診，遠遠不能適應(yīng)現(xiàn)實裝備研制和維修需要。

本文探討了柴油機故障的主要原因、產(chǎn)生振動的機理及其頻率特征；通過柴油機機體的振動響應(yīng)機理分析研究，根據(jù)時域信號峰值和時刻，頻域能量的變化和分布，結(jié)合專家規(guī)則進行狀態(tài)分離和故障預(yù)測。并根據(jù)小波包分解的各頻段能量特征值結(jié)合柴油機各構(gòu)件固有特性，通過建立的神經(jīng)網(wǎng)絡(luò)模型進行網(wǎng)絡(luò)訓(xùn)練仿真計算，進行故障定位和診斷。

2 柴油機的振動機理及故障形式

在柴油機運行過程中產(chǎn)生強烈的沖擊、振動和噪聲，柴油機機體可看成是以機體本體和各機構(gòu)構(gòu)件為質(zhì)量的振動系統(tǒng)。柴油機運行所產(chǎn)生的燃燒氣體，推動活塞、連桿等一系列運動件作高速運動，完成其循環(huán)工作過程，這是柴油機主要的激振源[1]。由于柴油機運行時，機體中曲軸、連桿等構(gòu)件作周期性運動[2]，支撐剛度反復(fù)變化，結(jié)構(gòu)作用扭矩也連續(xù)變化，它們都引起激振力作用，都將會產(chǎn)生一定頻率和方向的機械振動[3]。構(gòu)件在機體內(nèi)3個方向的運動和沖擊會導(dǎo)致機體徑向和軸向的振動[4]，進而形成整個柴油機機體的彎扭振動。

3 柴油機振動信號處理

下面為某研究所實地測試的柴油機運行時振動數(shù)據(jù)，結(jié)合最新的信號處理方法，對數(shù)據(jù)進行了時域頻域分析，傳感器安裝位置及x、y、z3個方向說明如圖1所示，圖中2個同心圓表示柴油機y向。

圖1 傳感器位置及3個方向示意圖

3.1 時域波形分析

早期的信號特征分析是時域波形分析和幅值域及周期參數(shù)診斷分析，目的是迅速判斷柴油機是否處于正常工作狀態(tài)[5]。對應(yīng)于不同的故障，其振動波形表現(xiàn)出不同的形態(tài)。柴油機運行時3個方向振動曲線如圖2所示，柴油機y向（振動幅度最大方向）振動放大圖如圖3所示。

圖2 柴油機振動時域曲線

圖3 為柴油機三個方向時頻振動曲線，并根據(jù)每一段的數(shù)據(jù)計算出了其峰值，可以考慮將峰值作為時域幅值分析的一個主要特征，因為y向振動幅度及能量值最大，所以對y向進行重點分析，從圖3中能清楚地看到柴油機振動的四個峰值，3.3 s時啟動，3.35 s時一次振動，3.38 s時二次振動，3.42 s時三次振動，及其各個過程的振動幅值，將這三個過程作為柴油機振動的三個周期，分別分析各周期的時間長度及各周期的峰值時間，可以將其作為柴油機運行狀態(tài)分析的另一個重要特征。

圖3 柴油機y向振動放大圖

表1為柴油機振動的3個特征周期。這3個時間段為柴油機正常工作時3個特征周期的時間值。可以根據(jù)這3個值作為參考，判斷柴油機是否出現(xiàn)滲漏或斷油等故障，起始時間基準是數(shù)據(jù)采集觸發(fā)時刻。表2為柴油機4個振動幅值。

結(jié)合上面的幾種處理方法，得出柴油機運行時頻幅值及周期分析的10個主要特征參數(shù)。根據(jù)多次不同狀態(tài)的測量，得出可供比較的專家規(guī)則，如表3所示。

觀察上面柴油機振動過程特征值表，針對各故障的特征值改變，可以有效地對柴油機進行狀態(tài)分離及故障預(yù)測。

3.2 頻域分析

用最新的處理方法對高速柴油機動作過程振動信號進行頻域分析，從圖3可以看出信號夾雜著眾多噪聲信號，而且信號中有許多混疊成分。運用小波分析中核心的mallat算法對信號進行處理，它在去噪及抗混疊中起了重要作用[6]，機體前端y向3層小波分解重構(gòu)圖如圖4所示。

表1 柴油機振動3個特征周期

表2 柴油機4個振動幅值

表3 高速柴油機動作特征值及專家規(guī)則診斷

分析上圖可以發(fā)現(xiàn)小波分析在信號去噪抗混疊處理中有顯著效果，對上面的重構(gòu)信號進行功率譜分析，柴油機y向功率譜密度（PSD）曲線如圖5所示。

對信號進行功率譜分析可以粗略地觀察動作過程中哪些頻段能量值比較集中，這里需要對各個頻段進行更精細的劃分，小波包分析能夠?qū)⑿盘栴l段進行更精細的層次劃分，并能根據(jù)被分析信號特征，自適應(yīng)地選擇相應(yīng)頻帶，使之與信號頻譜相匹配，從而提高了分辨率。本例對信號進行4層小波包分解，分16個頻段，利用小波包的分解和重構(gòu)算法[7]，分別分析各頻段的能量譜及各段能量所占的比例。柴油機y向振動信號能量譜圖如圖6所示。

圖4 柴油機y向3層小波分解重構(gòu)圖

圖5 柴油機y向功率譜密度曲線

圖6 柴油機y向振動信號能量譜圖

從上面小波包分解的能量譜圖中可以看出，3～11頻段能量值突出，與前面的功率譜圖進行比較驗證，取y向3～11頻段為特征頻段作為神經(jīng)網(wǎng)絡(luò)的輸入[8]。

4 針對小波包分解的神經(jīng)網(wǎng)絡(luò)智能診斷

建立神經(jīng)網(wǎng)絡(luò)狀態(tài)分類器，為了對故障特征信號進行分類，現(xiàn)建立一個神經(jīng)網(wǎng)絡(luò)模型。該模型采用3層BP神經(jīng)網(wǎng)絡(luò)，運用比例梯度共軛動量算法來訓(xùn)練BP網(wǎng)絡(luò)。輸入和輸出層神經(jīng)元分別為9和5。經(jīng)筆者多次網(wǎng)絡(luò)訓(xùn)練，發(fā)現(xiàn)選擇隱層神經(jīng)元為6的網(wǎng)絡(luò)能取得較好的分類效果和收斂速度。輸入和輸出神經(jīng)元的傳遞函數(shù)都選為線性傳遞函數(shù)purelin，隱層神經(jīng)元的傳遞函數(shù)選為雙曲正切S型傳遞函數(shù)tansig，目標誤差為1.0×10-3。神經(jīng)網(wǎng)絡(luò)采用改進的BP神經(jīng)網(wǎng)絡(luò)，學習函數(shù)為梯度下降動量學習函數(shù)learngdm，動量因子為0.9。

針對柴油機的5種情況，每種情況給出了15個學習樣本，輸出為（1，1，1，1，1），分別對應(yīng)正常、噴油泵滲漏、濾清器堵塞、排氣門間隙偏大、供油提前角減小5種情況。訓(xùn)練完成以后，可以針對網(wǎng)絡(luò)模型進行檢驗[9]。筆者用該網(wǎng)絡(luò)對大量的檢驗樣本進行了診斷。取故障識別門限為0.2，即實際輸出和目標輸出差值的絕對值大于2，則不能判定結(jié)果。

表4 神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本數(shù)據(jù)輸入及目標輸出

表5 神經(jīng)網(wǎng)絡(luò)檢驗（噴油泵滲漏）樣本數(shù)據(jù)輸入

表6 神經(jīng)網(wǎng)絡(luò)診斷輸出

5 結(jié)束語

通過以上數(shù)據(jù)分析可知：該網(wǎng)絡(luò)模型能有效地對柴油機動作狀態(tài)進行分類識別，并進行故障定位。筆者采用了大量測試樣本數(shù)據(jù)對該網(wǎng)絡(luò)模型進行檢驗，并進行診斷計算，故障診斷準確率達到90%。所以這種利用比例梯度共軛動量算法訓(xùn)練的3層BP神經(jīng)網(wǎng)絡(luò)對柴油機進行故障診斷方便、可行[10]。而且診斷結(jié)果可以和前面時頻專家規(guī)則診斷結(jié)果進行比較驗證。只要有足夠的樣本數(shù)據(jù)，便可對柴油機的狀態(tài)進行全面的分析，并進行準確的故障定位。

1張軍，陸森林，和衛(wèi)星等．基于小波包能量法的滾動軸承故障診斷[J]．農(nóng)業(yè)機械學報，2007(10)．

2龐義生．柴油機缸蓋裂紋的預(yù)防[J]．河北農(nóng)機，1994(4)．

3徐禮超，馬從兵，范欽滿等．基于BP神經(jīng)網(wǎng)絡(luò)的汽車發(fā)動機故障診斷方法研究[J]．拖拉機與農(nóng)用運輸車，2007(6)．

4趙志剛，鐘德剛，周明安．基于BP神經(jīng)網(wǎng)絡(luò)的汽車發(fā)動機異響故障分析法[J]．農(nóng)機化研究，2006(6)．

5張丹平，余海濤，王金平．拖拉機變速箱齒輪故障診斷智能軟件的設(shè)計與實現(xiàn)[J]．安徽農(nóng)業(yè)科學，2008(14)．

6王金平，余海濤，張丹平．基于軟件的拖拉機變速箱齒輪故障診斷研究[J]．拖拉機與農(nóng)用運輸車，2008(6)．

7隋明義．柴油機缸蓋間何以會噴水?[J]．工程機械與維修，2000(1)．

8王靜，余世林，吳穎等.小波包改進算法在柴油機振動分形診斷中的應(yīng)用[J].農(nóng)機化研究，2007(11).

9賀吉凡．故障診斷經(jīng)驗三則[J]．山東農(nóng)機化，2005(10)．

10陸懷民．柴油機缸壁間隙振動診斷[J]．南京林業(yè)大學學報（自然科學版），1992(3)．

Engine Block Vibration Analysis and Diagnosis Research

Zhao Runpeng,Pan Hongxia,Pan Mingzhi,Wang Jin
（Mechanical Engineering and Automation College,North University ot China,Taiyuan 030051,China）

Diesel engine operation will generate vibration with certain direction and frequency due to the role of exciting force.Cracks of parts and components or loose parts and components will affect the frequency and energy of their responses to the action.Wavelet analysis can be used in the live-fire vibration signals to get the signal noise separation quickly.Power spectrum analysis with wavelet packet can decompose the energy spectrum of the frequency band.A state feature vector used for fault diagnosis is given according to the peak and moment of time domain vibration signal,as well as change and distribution of frequency domain energy.Momentum conjugate gradient algorithm for the proportion of trained neural network model is put forward for diesel engine positioning and fault identification.

diesel engine,vibration analysis,diagnosisl,wavelet

10.3969/j.issn.1671-0614.2011.04.005

來稿日期：2010-09-05項目基金：國家自然科學基金（編號：50875247和51175480）

趙潤鵬（1986-），男，碩士，主要研究方向為模式識別與智能系統(tǒng)。