第二讲Part4汽车发动机的爆震模式识别..docVIP

第三讲（2） 汽车发动机的爆震模式识别 6.1 技术背景 6.1.1 爆震的现象 汽车发动机气缸内正常燃烧是从火花塞位置开始，逐步平滑燃烧到缸壁。而当未燃混合气的温度或压力超出临界值，可导致爆震，此时末端混合气自燃，产生冲击波使缸压突然上升，同时冲击波使缸体产生共振，共振频率与缸径、燃烧温度等因素有关。 在两种不同情况下形成的爆震有区别，一是发动机低速大负荷时加速过程的爆震，这时能清晰听到敲缸声。另一种是高速大负荷的爆震，这时爆震噪声可能被发动机其它噪音所掩盖，人耳未必能听到。? 发动机一旦产生爆震其危害极大，它会引起发动机功率下降，油耗骤增，严重时还会使发动机的气缸壁、活塞、活塞环、气门、连杆及其连杆轴承等运动件变形损坏。5KHz至7KHz之间，即使同一个发动机，其基本频率可能有±400Hz的偏移。另外，从基频到20KHz之间，还存在2至4个峰值频率。 6.1.2 爆震测量 爆震测量分直接测量与间接测量。所谓直接测量是指每个气缸内都安装压力传感器，直接测量缸压变化，这种方法最直接，但成本高昂，仅限于研究应用，不适于批量生产的汽车应用。 间接测量是采用压电振动传感器，测量缸体的共振，这种方法简单，传感器便宜且安装方便。现在一般采用宽频爆震传感器，而不是峰值型爆震传感器，在低于20KHz的范围内，不存在调制峰值。这类传感器能适用于各种型号的发动机，但是传感器输出信号很容易混杂发动机的其它振动噪音，特别是发动机高速运转时，背景噪音特别大，对信号处理与模式识别提出了很高的要求。 6.2 爆震模式识别方法 爆震识别是典型的一维信号模式识别问题。 所谓模式识别是指对客观对象进行描述与分类的科学。具体地说，就是用计算机实现人的模式识别能力。模式识别的特有概念是相似度，模式识别的任务就是根据对象特征把相似的对象分类。所以模式识别的关键是确定对象的特征。 目前爆震识别的有两大类方法：模拟滤波以及数字频谱特征分析。 6.2.1模拟滤波 模拟滤波是从传统信号处理观点出发的方法。采用模拟电路处理爆震传感器信号，计算特定频段内振动信号强度，以识别是否有爆震。 相应的模拟电路结构框图如下： 图1 爆震信号模拟电路框图 输入是较微弱的交流振动信号，所以首先通过可编程放大器进行放大，然后通过预先调整好的带通滤波器，获取爆震频段的信号，再通过整流与积分得到放映振动强度的信号，与实时变化的参考信号比较，从而确定是否有爆震。 采用模拟电路的好处是减少发动机电子控制单元（ECU）的计算工作量，坏处是接口较复杂，电路调整不方便，适应性差，不过这是过去发动机电子控制系统中处理爆震的主要方法。 The Parseval’s Theorem If and Then The left-hand side is the energy form. 6.2.2 数字频谱特征分析——DFT频谱特征分析 数字频谱特征分析是从模式识别观点出发，采用数字信号处理技术，分析振动信号的频谱特征。具体是以频域特征为主，时域特征为辅，综合多个特征进行爆震模式识别。 DFT是离散傅立叶变换的英文简写，进行频谱分析，可采用快速傅立叶变换FFT，也可采用离散傅立叶变换DFT，但是DFT较FFT更适于爆震判断，原因如下： （1）爆震模式识别只需计算信号若干频率点的幅值，而不是整个频率段的幅值，此时采用DFT运算量远比FFT小。 （2）为了滤除噪音，信号处理采用“加窗技术”，由于爆震只可能出现在发动机活塞运行上止点后10°至70°，所以上止点后10°至70°作为信号窗口，该窗口时间随发动机转速而变化，例如：500RPM时为20毫秒，8000RPM为1.25毫秒。而FFT处理信号长度只能是2的幂，DFT则无此限制，所以DFT适于这种窗口时间不断变化的特殊“加窗技术”。 DFT算法如下： （1） 这里，k:频率索引数、 n:采样时间索引数、N:样本长度、 x(n):时域信号值、X[k]:正弦分量幅值。 决定DFT有效中心频率与带宽（频率分辨率）的三个变量是： 采样频率fs、数据块长度和索引频率（indexed frequency）。 它们关系如下： 奈奎斯特（Nyquist）频率： 最小频率： 索引频率： 一般爆震信号频率是5KHz-20KHz，为防止信号畸变，采样频率必须快一倍，所以采样频率应大于40KHz。当采样频率固定，数据块越大，DFT的分辨率越高。 需要特别监视的爆震信号频率由决定，当采样频率、数据块长度一定，则选取不同的k值，就能确定欲监视的频率。 在实际应用中，DFT常采用迭代计算。DFT的迭代计算公式推导如下： 根据式（1）得： （2） 根