V型雙缸柴油機噪聲源及其激勵源響應的識別分析

孟浩東 李舜酩 白 瑩 孫建中 莊華良

1.南京航空航天大學，南京，210016 2.常州信息職業技術學院，常州，213000

3.常柴股份有限公司，常州，213002

0 引言

柴油機振動的多激勵性、時變性、傳遞路徑的錯綜復雜性使結構剛度分布不同的表面振動響應和向外輻射噪聲之間的關系十分復雜。燃燒激勵響應(燃燒噪聲)、機械激勵響應(機械噪聲)在發生的時間、空間、傳播的途徑和信號的基本頻域特征等方面都重疊交織在一起，如何進行分離和識別就成了一個十分重要的難題。目前采用較多的還是以試驗方法為主并結合信號時頻域分析的傳統識別方法:文獻［1］通過采用改變噴油提前角的方法，在保持內燃機的機械噪聲聲功率和傳遞函數不變的情況下改變燃燒噪聲聲功率，從而實現對機械噪聲和燃燒噪聲的識別與分離;文獻［2］結合發動機結構的振動傳遞函數試驗工作對燃燒噪聲和活塞敲擊噪聲的產生機理開展相關研究，識別得到燃燒氣體力和活塞敲擊激勵的主要傳遞路徑及振動響應特性。

在現代信號處理方法中，獨立分量分析(independent component analysis，ICA)是一種非常有效的盲源分離技術，這種分離技術不受源信號時間互相交疊和頻譜互相交疊的影響，而且分離后的輸出信號能保留源信號中的微弱特征信息。從原理上講，利用ICA方法對柴油機振聲源信號進行分離是適合的［3-4］。例如:文獻［5］采用基于負熵極大的FastICA算法對4缸柴油機的輻射噪聲信號進行了盲源分離，結合小波變換技術，分離與識別了柴油機的燃燒噪聲、活塞敲擊噪聲、正時齒輪噪聲等噪聲源;文獻［6］利用多通道盲最小均方差(MBLMS)算法進行了柴油機振動信號的分離實驗，結合短時傅里葉時頻分析，分離與識別了燃燒、活塞撞擊和進氣閥關閉信號。

本文以某V型雙缸柴油機為研究對象，采用基于四階累積量的JWSmICA技術(JADE CWT single cylinder misfire ICA)進行噪聲源及其激勵源響應的識別分析，該技術即是JADE盲分離算法、連續小波變換(continuous wavelet transform，CWT)、單缸熄火法結合ICA方法的組合技術。首先通過對柴油機在各個工況下進行單缸熄火的方法來分離與識別機械噪聲和燃燒噪聲，然后采用JADE算法及小波時頻分析，分離與識別標定工況下燃燒激勵響應和機械激勵響應，最后結合單缸熄火與ICA識別結果，進一步研究機械噪聲和燃燒噪聲與其主要振動激勵響應的相關特性。

1 機械噪聲和燃燒噪聲及其激勵源響應的JWSmICA識別技術

1.1 單缸熄火法

在屏蔽進排氣噪聲前提下，柴油機由n缸做功調整到對應工況，通過九點聲壓法測量整機聲功率級為Wp。當其中有一缸斷油熄火，柴油機轉速下降，理論上總輸出功率相當于原來功率的(n－1)/n，保持油門不變，調整負荷，使轉速恢復到熄火前的穩定轉速，此時測量整機聲功率級為W'p1［7］。因此，熄火缸所產生的燃燒噪聲可以通過總噪聲能量與熄火后的噪聲能量之差來求出，以第一缸燃燒噪聲計算為例:

依次對計算所得各缸燃燒噪聲能量求和即可求出總的燃燒噪聲，在此基礎上，通過整機噪聲能量消去燃燒噪聲能量，即可得到總的機械噪聲。同時對實測整機噪聲頻譜的頻帶中心聲功率級按上述能量進行疊加與消去還可進一步得到機械噪聲和燃燒噪聲的頻譜特性。

1.2 基于四階累積量的聯合近似對角化算法

JADE算法與基于二階統計量的算法不同，它聯合近似對角化的不是時延協方差矩陣而是四階累積量矩陣，是四階盲辨識(four order blind identification，FOBI)算法的推廣和改進，不僅可以解決源信號具有相同峭度信號的分離問題，而且在高斯噪聲背景下分離性能比較穩定［8］。

定義經過白化后的白化信號z(t)(z(t)=Qx(t)，Q為白化矩陣)的四階累積量矩陣為

其中，cum()為四階累積量的運算符號，mkl為任意N×N維矩陣M的元素，Cz(M)是對稱陣，此累積量矩陣可以分解為Cz(M)= λM，因此M被稱為Cz(M)的特征矩陣。JADE算法可歸納如下:

(1)利用協方差矩陣對觀測數據x(t)作白化去相關處理，即z(t)=Qx(t);

(2)利用式(2)計算z(t)的四階累積量矩陣組 Cz(Mp)，p=1，2，…，N;

(3)對矩陣組Cz(Mp)進行聯合近似對角化處理，估計出一個酉矩陣U;

(4)得到估計分離矩陣W=UTQ;

(5)得到分離信號的估計y(t)=Wx(t)。

在此基礎上，針對柴油機振聲信號的非平穩性，利用小波變換的時頻聚焦能力以及在分析非平穩信號方面的優勢，通過時頻圖提取分離信號的時頻和頻域聯合特征，識別各源信號的產生原因。綜上所述，基于JWSmICA技術進行柴油機噪聲源及其激勵源響應的識別分析流程如圖1所示。

圖1 基于JWSmICA技術的識別分析流程

2 機械噪聲和燃燒噪聲的分離與識別試驗分析

本試驗在常柴股份有限公司的柴油機臺架實驗室中進行，實驗室墻面裝有吸聲微穿孔板，頂面也設有吸聲材料，靜態背景噪聲聲壓級為53.9dB(A)，A表示計權;臺架采用的是電渦流測功機，工作時振動小，同時用覆蓋件和石棉對電渦流測功機及驅動軸端進行了隔聲處理，電渦流測功機近場噪聲要比聲源運轉時聲壓級低10dB(A)以上;另外采用的供油裝置是普通的燃油箱，采用的冷卻水箱則移至室外，通過橡膠水管傳輸而無需其他動力傳輸裝置。因此，背景噪聲無需修正，實驗室聲學環境滿足工程測試要求。為排除空氣動力性噪聲對測試結果的影響，進排氣管用石棉材料包裹并引至室外;房間通風扇在噪聲測試時及時關閉。研究所用柴油機為V型四沖程自然吸氣水冷雙缸柴油機，氣缸夾角為80°，標定工況為(3600r/min，14kW)。

考慮到柴油機實際工作的機械效率，進行單缸熄火所選擇的柴油機工況為:轉速從1200～3600r/min，間隔為600r/min，各轉速對應負荷從50% ～100%，間隔為25%。在50%、75%、100%負荷條件下，對應各個轉速的機械噪聲和燃燒噪聲進行分離，結果如圖2所示。

圖2 機械噪聲和燃燒噪聲的分離結果

由圖2分析可知，在不同負荷條件下，整機噪聲聲功率級隨著柴油機轉速的升高而增加。然而，燃燒噪聲和機械噪聲對整機噪聲的貢獻卻不同。柴油機轉速從1200～1800r/min，燃燒噪聲均為主要噪聲源，尤其在1200r/min、50%負荷條件下，燃燒噪聲占整機噪聲比例最大為91%。柴油機轉速在2400r/min時，在50%和100%負荷條件下，機械噪聲對整機噪聲貢獻稍大;而在75%負荷條件下，以燃燒噪聲為主，占整機噪聲56%。柴油機轉速從3000～3600r/min，隨著轉速和負荷的增加，燃燒噪聲進一步增加，其中，在3000r/min時，燃燒噪聲對整機噪聲的貢獻占主要地位;在3600r/min時，在50%和75%負荷條件下，燃燒噪聲與機械噪聲所占比重比較接近，但在100%高負荷條件下，整機噪聲增大主要是來源于燃燒噪聲。綜上分析可知，在常用轉速工況下，燃燒噪聲是整機降噪的重點。

在標定工況下，柴油機燃燒噪聲聲功率級為108.3dB(A)，占整機噪聲的74%，將實測整機噪聲1/3倍頻程譜的頻帶中心聲功率級按噪聲能量疊加和消去方法得到機械噪聲和燃燒噪聲的1/3倍頻程聲功率級譜，如圖3所示。

圖3 機械噪聲和燃燒噪聲的1/3倍頻程聲功率級譜

由圖3分析可知，燃燒噪聲與機械噪聲的能量都主要集中在中心頻率2.5kHz以下，其中，燃燒噪聲在以1kHz(891～1122Hz)為中心的頻率范圍內出現噪聲峰值，說明降低此頻帶范圍內的噪聲能量是降低燃燒噪聲的關鍵。機械噪聲在以2kHz(1778～2239Hz)為中心的頻率范圍內出現噪聲峰值，同樣降低此頻帶范圍內的噪聲能量是控制機械噪聲的重點。

3 燃燒激勵響應和機械激勵響應的分離與識別試驗分析

柴油機缸蓋系統和氣缸體(主推力面)既是燃燒激勵、氣門機構運動沖擊、活塞敲擊的承受者，又是柴油機輻射噪聲的主要傳遞路徑。因此，將兩個振動加速度傳感器分別布置在缸蓋螺栓和靠近氣缸套的主推力面上，同時獲取標定工況下活塞運動方向和活塞敲擊方向上的4個振動響應信號，測點布置如圖4所示。

圖4 振動測點布置

在采用ICA方法進行盲分離之前，必須滿足一定的前提條件，即源信號之間須相互統計獨立，而且至多只能有一個源信號為高斯分布［9］。柴油機燃燒激勵源和機械激勵源具有確定的時間周期和特定的頻率范圍，在空間傳播上，各有不同的傳遞路徑，這種獨立的時間空間分布特性滿足ICA對源信號的獨立性要求。另外，缸蓋測點和主推力面測點振動響應信號的峭度值均大于0，即均服從超高斯分布，尤其是氣缸蓋，其峭度最大值為30.74。因此，可以推斷，柴油機燃燒激勵源與機械振動激勵源也都具有非高斯分布特性。綜上分析可知，可采用ICA方法對缸蓋和主推力面振動信號進行盲分離，其中，JADE批處理算法的主要特點是加強算法的代數概念——引入多變量數據的四維累積量，并對其作特征分解。

因此，本文采用JADE盲分離算法對缸蓋和主推力面振動信號進行盲源分離，圖5所示為盲分離結果中比較突出的2個獨立分量，每個獨立分量都可能對應于柴油機的一個振動激勵源響應信號。由于振動激勵源特征是未知的，盲分離結果的幅值和排列順序又具有不確定性，而僅根據各獨立分量的時域描述，無法判斷各獨立分量分別對應于哪一種激勵源響應，因此，本文采用功率譜分析和具有較好時頻定位特性的連續小波變換對各獨立分量進行后處理，結合柴油機先驗知識，識別各獨立分量，并進一步分析各激勵源響應的時頻特征。

圖5 振動信號ICA分離結果

本文采用韋爾奇譜估計方法以及選取與柴油機振動響應信號形狀相似的complex morlet1－2小波基對獨立分量y1進行功率譜計算和連續小波變換，結果如圖6所示。

從圖6a可以看出:y1的能量主要集中在1000～2500Hz的中高頻帶內，且以1895Hz的峰值最為突出。圖6b為y1的小波時頻分析結果，在3600r/min時，2缸4沖程柴油機在0.033s內完成一個工作周期，振動能量集中頻帶具有明顯的周期瞬態特性，與時域波形中的各沖擊響應相對應。由于缸蓋系統、氣缸體所受機械振動激勵以氣門落座沖擊、活塞橫向敲擊為主，激勵頻帶都屬于中高頻范圍，因此可以推斷，獨立分量y1是由機械激勵引起的振動響應。

圖6 獨立分量y1的功率譜與小波時頻分析

圖7為獨立分量y2的分析結果。從圖7a可以看出:y2的能量主要集中在800～1200Hz的中低頻帶內，且以993Hz的峰值最為突出，另外在譜圖上有180Hz的諧波特征頻率存在，正好對應于柴油機的3倍發火頻率。圖7b為y2的小波時頻分析結果，在柴油機工作周期0.033s內，周期呈現兩個明顯的瞬態沖擊響應，其頻率成分在800～1200Hz左右，而且出現的間隔和位置正好與時域波形中的各沖擊響應相對應。因此，可以判定獨立分量y2是由缸內燃燒激勵引起的振動響應。

圖7 獨立分量y2的功率譜與小波時頻分析

綜合單缸熄火法與JADE盲分離算法識別結果分析可知:以機械激勵引起的振動響應能量主要集中在1000～2500Hz的中高頻帶內，而機械噪聲在1778～2239Hz頻率范圍內出現能量峰值;以燃燒激勵引起的振動響應能量主要集中在800～1200Hz的中低頻帶內，而燃燒噪聲在891～1122Hz在頻率范圍內出現能量峰值;機械噪聲和燃燒噪聲能量集中的頻率區間在其振動激勵響應的頻率區間范圍內，說明氣門落座沖擊、活塞橫向敲擊、燃燒激勵是柴油機機械噪聲與燃燒噪聲的主要振動激勵源。而要控制機械噪聲和燃燒噪聲關鍵是降低對應頻帶內的振動與噪聲能量，最終結果也說明了JADE算法分離與識別結果的正確性、合理性。

4 結論

(1)在V型雙缸柴油機常用轉速、中高負荷條件下，燃燒噪聲是主要噪聲源，是整機降噪的重點。在標定工況下，控制燃燒噪聲的關鍵是降低其中低頻范圍內的噪聲能量。

(2)在標定工況下，燃燒激勵源引起的振動響應能量集中在中低頻帶，機械振動激勵源引起的振動響應能量集中在中高頻帶，降低相應頻帶內的振動響應能量是降低機械噪聲和燃燒噪聲的重點。

(3)機械噪聲和燃燒噪聲能量集中的頻率區間在激勵源響應頻率區間范圍內，氣門落座沖擊、活塞橫向敲擊、燃燒激勵是柴油機機械噪聲與燃燒噪聲的主要振動激勵源。

(4)基于四階累積量的JWSmICA技術可以準確地分離與識別柴油機機械噪聲和燃燒噪聲及其激勵源響應，找到主要振動激勵源，指導后期整機降噪。

［1］王攀，鄧兆祥，劉永超，等.內燃機機械噪聲和燃燒噪聲的識別分離［J］.重慶大學學報，2010，33(5):16-21.Wang Pan，Deng Zhaoxiang，Liu Yongchao，et al.I-dentification of Combustion Noise and Mechanical Noise in Internal Combustion Engine［J］.Journal of Chongqing University，2010，33(5):16-21.

［2］景國璽，郝志勇，金陽，等.內燃機燃燒噪聲和活塞拍擊噪聲的產生機理試驗研究［J］.振動工程學報，2010，23(6):655-659.Jing Guoxi，Hao Zhiyong，Jin Yang，et al.Experimental Study on the Mechanism of Engine Combustion and Piston Slapping Noises［J］.Journal of Vibration Engineering，2010，23(6):655-659.

［3］Liu X，Randall R B.Blind Source Separation of Internal Combustion Engine Piston Slap from Other Measured Vibration Signals［J］.Mechanical System and Signal Processing，2005，19(6):1196-1208.

［4］Serviere C，Lacoume J L，Badaoui M E.Separation of Combustion Noise and Piston－slap in Diesel Engine Part II:Separation of Combustion Noise and Pistonslap Using Blind Source Separation Methods［J］.Mechanical System and Signal Processing，2005，19(6):1218-1229.

［5］王霞，劉昌文，畢鳳榮，等.基于獨立分量及小波變換的內燃機輻射噪聲盲源分離和識別［J］.內燃機學報，2012，30(2):166-171.Wang Xia，Liu Changwen，Bi Fengrong，et al.Blind Source Separation and Identification of Engine Radiation Noise Based on Independent Component Analysis and Wavelet Transform［J］.Transactions of Csice，2012，30(2):166-171.

［6］蔡艷平，李艾華，石林鎖，等.基于盲解卷積的柴油機振動信號分離研究［J］.振動與沖擊，2010，29(9):38-41.Cai Yanping，Li Aihua，Shi Linsuo，et al.Separation of Diesel Vibration Signal Based on Blind Deconvolution［J］.Journal of Vibration and Shock，2010，29(9):38-41.

［7］梁興雨，舒歌群.柴油機噪聲源的識別研究［J］.內燃機工程，2005，26(6):67-71.Liang Xingyu，Shu Gequn.Study of Diesel Engine Noise Source Identification［J］.Chinese Internal Combustion Engine Engineering，2005，26(6):67-71.

［8］Cardoso J F，Souloumiac A.Jacobi Angles for Simultaneous Diagonalization［J］.In SLAM Journal of Matrix Analysis and Applications，1996，17(1):161-164.

［9］劉曉偉，李舜酩，張袁元.基于SONS的結構模態參數識別研究［J］.中國機械工程，2011，22(12):1454-1458.Liu Xiaowei，Li Shunming，Zhang Yuanyuan.A Study of Structure Modal Parameter Identification Based on Second Order Non－stationary Source Separation［J］.China Mechanical Engineering，2011，22(12):1454-1458.