基于小波变换和曲线拟合法的柴油机故障诊断.docVIP

基于小波变换和曲线拟合法的柴油机故障诊断 　　Fault Diagnosis for Diesel Engines Based on Wavelet Transform and Curve Fitting Method 　　Zhou Yufeng 　　（Sichuan College of Information Technology，Guangyuan 628017，China） 　　 　　摘要： 为了对柴油机故障类型进行准确诊断，对柴油机缸盖振动信号进行特征提取，所测取的信号通过小波变换提取时域、频域特征参数，得到相应的拟合曲线并计算多项式系数。设定两种常见故障，通过比较其小波变换拟合多项式系数与标准模式间的距离，从而判断出故障类型。经过验证，所判断出的故障类型正好为所设定的故障，由此表明该方法具有很大的优越性。 　　Abstract： In order to diagnose the fault types of diesel engines accurately, the cylinder head vibration signal was measured and its features were extracted. The feature parameters are measured on time domain and on frequency after wavelet transformation. The fit curves and the fit multinomial coefficient are obtained. The two generic faults are established. It is easily found which fault it is by comparing the distance between its fit multinomial coefficient and the standard models. It is proved that the method had more advantages in fault diagnosis of diesel engine. 　　关键词： 故障诊断 测试系统 振动信号 小波变换 曲线拟合 　　Key words： fault diagnosis；testing system；vibration signal；wavelet transform；curve fitting 　　中图分类号：TH113 文献标识码：A文章编号：1006-4311（2011）19-0041-03 　　0引言 　　随着人工智能技术的发展，柴油机故障诊断技术进入了智能化的阶段，检测项目更加丰富，诊断的准确性也大大提高[1,2]。本文对所测取的信号通过小波变换和曲线拟合方法来判断故障类型[3,4]。 　　1测试信号与测点选择 　　测量的信号为缸盖的振动加速度信号，从飞轮上测量角位移信号与上止点信号。实际测试中一般都采用“最近”原则，把最接近故障点的部位作为测点，而且要清除测点表面的污垢、漆皮的影响。在本文的试验中，模拟的是喷油压力过小、喷油提前角提前5°~6°等故障，测点位置选在1缸缸盖上，同时测上止点及角位移信号。 　　2小波变换 　　利用小波变换进行信号分析的实质是，利用其多分辨分解的特性从含有大量背景噪音信号中提取有用信号，实现去噪及特征提取，重新构建分析信号[5]。下面我们来看一下利用小波变换以后的特征参数进行分析。 　　2.1 小波变换后的时域分析 　　2.1.1 建立标准模式预设5种故障标准模式，图1是通过db8小波3层分解、1层高频重构后，所得5种不同工况下的时域波形。可以看出，当信号经过小波分解与重构后，其原来所带有的大量的噪音信号基本上被去除干净，而所重构出来的信号则主要是包含故障信息的信号，这里便可看出小波变换所起的滤波器的作用。表1是重构出的各种工况下的时域特征参数。从表1可知，小波变换后所得各特征参数与原始信号的特征参数有所不同，这点正体现了小波变换的作用。①重构得到时域特征参数拟合曲线如图2所示。图中，横坐标1、2、3、4、5各点在纵坐标上的取值分别对应时域中的5个特征参数：波形指标S、峰值指标C、脉冲指标I、裕度指标L、峭度指标Kv。②求各状态下的拟合多项式系数。通过计算，我们可得到各状态下经小波变换后的时域特征参数的拟合曲线多项式系数如表2。③拟合曲线误差分析。不失一般性，经小波变换后不同工况下时域中各特征参数与拟合出的各参数的F0分别为： F0a=0.9984、F0b=0.9873、F0c=1.0167、F0d=0.9901、F0e=0.9897。这些数据表明，他们都