基于小波對稱極坐標方法的發動機異響故障特征提取研究

賈繼德

(軍事交通學院汽車工程系，天津 300161)

前言

磨損會導致發動機各運動副配合間隙增大，引起非正常的振動沖擊，并由此激發出異常響聲。常見的發動機異響故障主要包括曲軸軸承、連桿軸承、活塞銷、氣缸、氣門和挺桿的異響等。由于發動機異響信號具有非平穩、非高斯和非線性特點，所以一直是發動機故障診斷中的難點［1］。

許多學者在發動機異響故障診斷方面進行了研究，主要通過功率譜［2］、小波變換［3］、時頻分布［4］等方法比較發動機正常與故障狀態下振動信號的差異，實現故障特征提取和故障診斷。

由于基于直角坐標表示的時域、頻域或時頻域圖形對于故障特征表現不太直觀，在工程實踐中不便于理解，因此一種對稱極坐標方法被提出并應用于故障可視化診斷［5－7］。它是將信號的時域波形通過相應的計算公式，變換為由鏡像對稱點組成的雪花狀圖形。該方法能突出圖形間的差異性，因而表現更直觀。然而，大量的試驗發現，發動機振動信號成分復雜，并伴有強烈的背景噪聲，直接采用對稱極坐標方法可視化效果并不十分理想。

據此，本文中提出一種小波對稱極坐標分析方法。對測取的發動機振動信號進行連續小波變換，通過小波系數的自相關降噪處理提取信號特征，將信號特征用對稱極坐標方法進行可視化表示與分析。通過實例進行仿真信號分析的結果表明，該方法可有效地衰減振動信號中的噪聲干擾，提取故障特征，突出發動機不同異響故障圖形的差異，并提高可視化監測診斷效果。

1 小波對稱極坐標方法的基本原理

1.1 小波系數相關降噪

信號x(t)的連續小波變換［3］為

研究分析表明，當利用Morlet小波基函數對信號進行分析時，采用具有相同中心頻率、不同帶寬的小波分析得到的多個小波系數之間具有極大的相關性，而信號中的噪聲相干性較低［8］。因此利用小波系數之間的這種相關特性可以有效地抑制噪聲，從而增強信號。設兩個小波系數 W1(f，b)、W2(f，b)，其相關系數 C(f，b)［8］為

定義|C(f，b)|2為小波相關系數的時頻能量，它能反映信號能量的時頻分布和信號的組成特征。

1.2 對稱極坐標表示方法

對于離散數據序列，i時刻的數值為xi，i+L時刻的數值為x(i+L)，通過以下公式轉變為極坐標表示［5］:

在極坐標空間P中，參數θ、g、L選取非常重要。通過大量的試驗［6］證明，θ取 60°較好，g應小于 θ，L值范圍在1～10較佳。

2 仿真信號分析

發動機信號具有瞬態沖擊的特點，選取一個諧波信號調制一個指數衰減的脈沖信號來仿真發動機故障信號，仿真信號的表達式為

式中:q(t)=1+0.2cos(0.12π(t－2k));h(t)=exp(－0.1(10π(t－2k))2)·cos(20π(t－2k));采樣頻率為200Hz，采樣時間長度為20s。

仿真信號的時域波形、小波變換及小波降噪后的圖形如圖1所示。由于噪聲的干擾從時域波形上不能發現仿真信號有價值的信息，如圖1(a)所示;通過小波變換后從時頻空間能發現信號是周期性的脈沖信號，但時頻分布圖仍然有顯著的噪聲干擾，如圖1(b)所示;通過小波系數自相關降噪處理，實現了信號特征提取，如圖1(c)所示。

將以上3種不同狀態信號用對稱極坐標進行表示，如圖2所示。可以看出，小波降噪后的信號極坐標表示最為清晰，如圖2(c)所示。

3 發動機振動信號實例分析

3.1 發動機異響故障設置與信號的測取

在某型汽油機上進行試驗。振動傳感器分別安裝于發動機機體靠近各異響的部位，振動信號的采樣頻率為30kHz，每個信號長度為20 480點。常見異響故障的設置如表1所示。

表1 發動機異響故障設置

故障間隙按該發動機達到嚴重磨損時可能出現的配合間隙設置。

3.2 發動機異響故障信號不同坐標系表示

測取發動機不同磨損狀態下的振動信號，通過小波降噪得到信號的時頻分布圖，如圖3所示。由于各種異響特征差異性較小，要對其進行區分，必須仔細對比各幅圖，因此非常繁瑣。

對于小波降噪后的信號進一步用對稱極坐標進行表示，如圖4所示。

由圖4可見，在缸蓋處同一測點位置，發動機正常工作與氣門和氣門挺桿響所表現的圖形有較大差異;在缸體上部同一測點位置，發動機正常工作與活塞銷響和氣缸響的圖形有較大差異;在缸體下部同一測點位置，發動機正常工作與連桿軸承響和曲軸軸承響的圖形也有較大差異。并且，發動機正常工作在3個不同測點位置時信號的圖形也不同。

4 結論

(1)提出了一種小波對稱極坐標分析方法。通過實例進行仿真信號分析的結果表明，該方法可有效地去除隨機噪聲干擾，凸顯信號特征，有助于故障的特征提取。

(2)在工程應用中，可通過大量的試驗，建立發動機異響故障標準圖形樣本庫。通過對采集的發動機響聲極坐標圖形與標準樣本庫中圖形進行比對，實現診斷發動機異響故障的目的。

［1］ 賈繼德，陳容剛，邱峰，等．內燃機故障信號特性分析及診斷策略［J］．農業機械學報，2005，36(12):39 －42．

［2］ 賈繼德，孔凡讓，姜斯平．應用振動信號診斷汽油機磨損故障［J］．汽車工程，2002，24(2):149 －163．

［3］ 臧玉萍，張德江，王維正．基于小波變換技術的發動機異響故障診斷［J］．機械工程學報，2009，45(6):239 －245．

［4］ 鄭海波，李志遠，陳心昭，等．基于時頻分布的發動機異響特征分析及故障診斷研究［J］．內燃機學報，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］ 景國璽，郝志勇，徐紅梅．內燃機噪聲源識別的小波相關系數方法研究［J］．浙江大學學報(工學版)，2008，42(10):1775 －1778．