基于小波對(duì)稱極坐標(biāo)方法的發(fā)動(dòng)機(jī)異響故障特征提取研究

賈繼德

(軍事交通學(xué)院汽車工程系，天津 300161)

前言

磨損會(huì)導(dǎo)致發(fā)動(dòng)機(jī)各運(yùn)動(dòng)副配合間隙增大，引起非正常的振動(dòng)沖擊，并由此激發(fā)出異常響聲。常見的發(fā)動(dòng)機(jī)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(fā)動(dòng)機(jī)異響信號(hào)具有非平穩(wěn)、非高斯和非線性特點(diǎn)，所以一直是發(fā)動(dòng)機(jī)故障診斷中的難點(diǎn)［1］。

許多學(xué)者在發(fā)動(dòng)機(jī)異響故障診斷方面進(jìn)行了研究，主要通過(guò)功率譜［2］、小波變換［3］、時(shí)頻分布［4］等方法比較發(fā)動(dòng)機(jī)正常與故障狀態(tài)下振動(dòng)信號(hào)的差異，實(shí)現(xiàn)故障特征提取和故障診斷。

由于基于直角坐標(biāo)表示的時(shí)域、頻域或時(shí)頻域圖形對(duì)于故障特征表現(xiàn)不太直觀，在工程實(shí)踐中不便于理解，因此一種對(duì)稱極坐標(biāo)方法被提出并應(yīng)用于故障可視化診斷［5－7］。它是將信號(hào)的時(shí)域波形通過(guò)相應(yīng)的計(jì)算公式，變換為由鏡像對(duì)稱點(diǎn)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(xiàn)更直觀。然而，大量的試驗(yàn)發(fā)現(xiàn)，發(fā)動(dòng)機(jī)振動(dòng)信號(hào)成分復(fù)雜，并伴有強(qiáng)烈的背景噪聲，直接采用對(duì)稱極坐標(biāo)方法可視化效果并不十分理想。

據(jù)此，本文中提出一種小波對(duì)稱極坐標(biāo)分析方法。對(duì)測(cè)取的發(fā)動(dòng)機(jī)振動(dòng)信號(hào)進(jìn)行連續(xù)小波變換，通過(guò)小波系數(shù)的自相關(guān)降噪處理提取信號(hào)特征，將信號(hào)特征用對(duì)稱極坐標(biāo)方法進(jìn)行可視化表示與分析。通過(guò)實(shí)例進(jìn)行仿真信號(hào)分析的結(jié)果表明，該方法可有效地衰減振動(dòng)信號(hào)中的噪聲干擾，提取故障特征，突出發(fā)動(dòng)機(jī)不同異響故障圖形的差異，并提高可視化監(jiān)測(cè)診斷效果。

1 小波對(duì)稱極坐標(biāo)方法的基本原理

1.1 小波系數(shù)相關(guān)降噪

信號(hào)x(t)的連續(xù)小波變換［3］為

研究分析表明，當(dāng)利用Morlet小波基函數(shù)對(duì)信號(hào)進(jìn)行分析時(shí)，采用具有相同中心頻率、不同帶寬的小波分析得到的多個(gè)小波系數(shù)之間具有極大的相關(guān)性，而信號(hào)中的噪聲相干性較低［8］。因此利用小波系數(shù)之間的這種相關(guān)特性可以有效地抑制噪聲，從而增強(qiáng)信號(hào)。設(shè)兩個(gè)小波系數(shù) W1(f，b)、W2(f，b)，其相關(guān)系數(shù) C(f，b)［8］為

定義|C(f，b)|2為小波相關(guān)系數(shù)的時(shí)頻能量，它能反映信號(hào)能量的時(shí)頻分布和信號(hào)的組成特征。

1.2 對(duì)稱極坐標(biāo)表示方法

對(duì)于離散數(shù)據(jù)序列，i時(shí)刻的數(shù)值為xi，i+L時(shí)刻的數(shù)值為x(i+L)，通過(guò)以下公式轉(zhuǎn)變?yōu)闃O坐標(biāo)表示［5］:

在極坐標(biāo)空間P中，參數(shù)θ、g、L選取非常重要。通過(guò)大量的試驗(yàn)［6］證明，θ取 60°較好，g應(yīng)小于 θ，L值范圍在1～10較佳。

2 仿真信號(hào)分析

發(fā)動(dòng)機(jī)信號(hào)具有瞬態(tài)沖擊的特點(diǎn)，選取一個(gè)諧波信號(hào)調(diào)制一個(gè)指數(shù)衰減的脈沖信號(hào)來(lái)仿真發(fā)動(dòng)機(jī)故障信號(hào)，仿真信號(hào)的表達(dá)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(shí)間長(zhǎng)度為20s。

仿真信號(hào)的時(shí)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(shí)域波形上不能發(fā)現(xiàn)仿真信號(hào)有價(jià)值的信息，如圖1(a)所示;通過(guò)小波變換后從時(shí)頻空間能發(fā)現(xiàn)信號(hào)是周期性的脈沖信號(hào)，但時(shí)頻分布圖仍然有顯著的噪聲干擾，如圖1(b)所示;通過(guò)小波系數(shù)自相關(guān)降噪處理，實(shí)現(xiàn)了信號(hào)特征提取，如圖1(c)所示。

將以上3種不同狀態(tài)信號(hào)用對(duì)稱極坐標(biāo)進(jìn)行表示，如圖2所示?？梢钥闯?，小波降噪后的信號(hào)極坐標(biāo)表示最為清晰，如圖2(c)所示。

3 發(fā)動(dòng)機(jī)振動(dòng)信號(hào)實(shí)例分析

3.1 發(fā)動(dòng)機(jī)異響故障設(shè)置與信號(hào)的測(cè)取

在某型汽油機(jī)上進(jìn)行試驗(yàn)。振動(dòng)傳感器分別安裝于發(fā)動(dòng)機(jī)機(jī)體靠近各異響的部位，振動(dòng)信號(hào)的采樣頻率為30kHz，每個(gè)信號(hào)長(zhǎng)度為20 480點(diǎn)。常見異響故障的設(shè)置如表1所示。

表1 發(fā)動(dòng)機(jī)異響故障設(shè)置

故障間隙按該發(fā)動(dòng)機(jī)達(dá)到嚴(yán)重磨損時(shí)可能出現(xiàn)的配合間隙設(shè)置。

3.2 發(fā)動(dòng)機(jī)異響故障信號(hào)不同坐標(biāo)系表示

測(cè)取發(fā)動(dòng)機(jī)不同磨損狀態(tài)下的振動(dòng)信號(hào)，通過(guò)小波降噪得到信號(hào)的時(shí)頻分布圖，如圖3所示。由于各種異響特征差異性較小，要對(duì)其進(jìn)行區(qū)分，必須仔細(xì)對(duì)比各幅圖，因此非常繁瑣。

對(duì)于小波降噪后的信號(hào)進(jìn)一步用對(duì)稱極坐標(biāo)進(jìn)行表示，如圖4所示。

由圖4可見，在缸蓋處同一測(cè)點(diǎn)位置，發(fā)動(dòng)機(jī)正常工作與氣門和氣門挺桿響所表現(xiàn)的圖形有較大差異;在缸體上部同一測(cè)點(diǎn)位置，發(fā)動(dòng)機(jī)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(cè)點(diǎn)位置，發(fā)動(dòng)機(jī)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(fā)動(dòng)機(jī)正常工作在3個(gè)不同測(cè)點(diǎn)位置時(shí)信號(hào)的圖形也不同。

4 結(jié)論

(1)提出了一種小波對(duì)稱極坐標(biāo)分析方法。通過(guò)實(shí)例進(jìn)行仿真信號(hào)分析的結(jié)果表明，該方法可有效地去除隨機(jī)噪聲干擾，凸顯信號(hào)特征，有助于故障的特征提取。

(2)在工程應(yīng)用中，可通過(guò)大量的試驗(yàn)，建立發(fā)動(dòng)機(jī)異響故障標(biāo)準(zhǔn)圖形樣本庫(kù)。通過(guò)對(duì)采集的發(fā)動(dòng)機(jī)響聲極坐標(biāo)圖形與標(biāo)準(zhǔn)樣本庫(kù)中圖形進(jìn)行比對(duì)，實(shí)現(xiàn)診斷發(fā)動(dòng)機(jī)異響故障的目的。

［1］ 賈繼德，陳容剛，邱峰，等．內(nèi)燃機(jī)故障信號(hào)特性分析及診斷策略［J］．農(nóng)業(yè)機(jī)械學(xué)報(bào)，2005，36(12):39 －42．

［2］ 賈繼德，孔凡讓，姜斯平．應(yīng)用振動(dòng)信號(hào)診斷汽油機(jī)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(shù)的發(fā)動(dòng)機(jī)異響故障診斷［J］．機(jī)械工程學(xué)報(bào)，2009，45(6):239 －245．

［4］ 鄭海波，李志遠(yuǎn)，陳心昭，等．基于時(shí)頻分布的發(fā)動(dòng)機(jī)異響特征分析及故障診斷研究［J］．內(nèi)燃機(jī)學(xué)報(bào)，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(guó)璽，郝志勇，徐紅梅．內(nèi)燃機(jī)噪聲源識(shí)別的小波相關(guān)系數(shù)方法研究［J］．浙江大學(xué)學(xué)報(bào)(工學(xué)版)，2008，42(10):1775 －1778．