| 正是由于不变矩特征的这种特性，所以特别适合用来作为特征向量进行图像的模式识别。由于内燃机激励源众多而复杂，因此内燃机的振动信号较仿真信号来说频率成分形状变化将更大，因此提取内燃机振动信号EMD-Wigner-Ville振动谱时频图的不变矩特征是可行的。
4内燃机故障诊断实例
为了验证上述故障诊断方法的可行性，将其引入内燃机故障诊断中。实验对象为BF4L1011F型内燃机，采样频率 为25kHz，内燃机空载运行，额定转速为3000r/min。实验中总共设置了6种气门间隙状况分别对应气门间隙正常与气门间隙不当。具体气门间隙状态设置见表2所示，其中0.06mm和0.30mm分别模拟进气门和排气门间隙过小，0.50mm和0.70mm分别模拟进气门和排气门间隙过大，开口4×1模拟气门漏气。正常进、排气门间隙分别为0.30mm、0.50mm。
表2气门间隙状态设置(单位：mm)
Table2Valveclearancestatussetting(unit:mm)
|
状态
|
正常
|
气门间隙不当
|
|
工 况 编 号
|
1（气门间隙正常）
|
2（排气门间隙过小）
|
3(进、排气门间隙过小)
|
4(进气门间隙过小、排气门间隙过大)
|
5(排气门间隙过大)
|
6(进气门间隙过小、排气门漏气)
|
|
进气门间隙
|
0.30
|
0.30
|
0.06
|
0.06
|
0.30
|
0.50
|
|
排气门间隙
|
0.50
|
0.30
|
0.30
|
0.70
|
0.70
|
开口4×1
|
由于内燃机激励源众多而复杂，且各激励源相互干扰，有时也会产生耦合，这使得内燃机的振动分析难度远远超过旋转机械。对于多缸内燃机来说，由于临缸的振动响应相互叠加，更增加了其振动信号的分析难度。本文在实验中，是通过将振动加速度传感器安装在进气门与排气门之间，处于气缸盖中央，布置在气缸盖顶部，测量缸盖表面的竖向振动信号的方法来保证所测信号不受其它气门冲击干扰的，其安装位置如图2所示。在采集缸盖振动信号的过程中，在内燃机凸轮轴旁安装一个上止点脉冲传感器，测量上止点信号。加速度传感器通过磁座吸附在内燃机气缸盖上，这样加速度传感器能准确地固定在缸盖表面垂直方向，并具有很好的接触刚度，保证比较好的频率特性。
图2缸盖表面测点布置示意图
Fig.2Schematicdiagramofcylinderheadsurfacemeasuringpoints
实验中，采集内燃机气门6种故障状态下各70个振动信号样本，共计420个。其中，每种状态样本的前35个作为训练样本，剩下的35个作为测试样本。在对这些样本进行分析诊断前，为了减小噪声成分的干扰，本文利用二进小波变换对内燃机缸盖振动信号进行预处理。图3所示为排气门间隙正常，进气门间隙过小状态下一个样本的时域波形及其二进小波分解结果。由于气门机构状态的变化在缸盖振动信号中主要反映在高频段分量的变化，由二进小波分解的特点可知：大尺度上信号的低频分量占主要成分，而小尺度上信号的高频分量占主要成分，所以如果要对气门机构的状态进行较为准确地判断和识别，则应该取小尺度上的信号进行分析，所以本文取二进小波分解后的尺度1信号作为研究对象，这样相当于对信号进行了滤波处理，减小了信号低频成分对诊断的影响，同时尽可能地保留了原始振动信号中能反映气门机构状态的信息。
图3缸盖振动信号的二进小波分解
Fig.3Thebinarywaveletdecompositionofcylinderhead
vibrationsignals
为了应用振动谱时频图像的不变矩特征进行故障诊断，整个故障诊断过程分二步进行，即利用样本不变矩特征训练二叉树SVM多故障分类器和利用样本不变矩特征测试二叉树SVM多故障分类器。在训练分类器过程中，首先利用二进小波对内燃机振动信号进行预处理，然后利用EMD-Wigner-Ville时频分布来生成不同工况下振动信号的时频图像，接着对EMD-Wigner-Ville时频分布图像进行特征提取，最后训练基于类识别率排序的二叉树SVM分类器。在测试分类器过程中，采用上述同样的操作步骤提取振动谱时频图像的不变矩特征，然后将这些特征输入至训练好的分类器中，最后测试输出诊断结果的正确性。整个故障诊断过程如图4所示。
图4基于EMD-WVD振动谱时频图像SVM识别的内燃机故障诊断过程图
Fig.4I.C.enginefaultdiagnosisprocessdiagrambasedonEMD-WVDvibrationspectrumtime-frequencyimagerecognitionbySVM
由于篇幅所限，图5给出了采用EMD-Wigner-Ville方法对4种工况（对应表2中工况编号1、2、5、6）下整循环缸盖振动信号进行时频分析而得到的时频分布图。从中可以看出，随着气门间隙的增大，缸盖振动信号的时频分布具有较大差异，振动信号在62ms~66ms，74ms时间段附近频率有向高频移动和集中的趋势，采用EMD-Wigner-Ville方法对振动信号进行分析，不仅能够提供信号的全部信息，而且还能提供在任一局部时间内信号变化激烈程度的信息。
 
（a）气门间隙正常（b）气门间隙过小
(a)Normalvalveclearance(b)Valveclearanceistoosmall
 
（c）气门间隙过大（d）气门漏气
(C)Valveclearanceistoolarge(d)Valveleakage
图5四种典型工况缸盖振动信号的
EMD-Wigner-Ville时频分析
Fig.5EMD-Wigner-Villetime-frequencyanalysisofcylinderheadvibrationsignaloffourtypicalconditions
为了有效地提取振动谱时频图像的不变矩特征，首先对上述图像进行规则化处理，将其转化为灰度图像，并对灰度图形进行消噪、平滑等预处理，然后计算图像的不变矩特征，最后对这些特征进行高斯归一化处理以消除数据间的影响。 3/4 首页 上一页 1 2 3 4 下一页 尾页 |
