内燃机诊断方法综述.docx

内燃机诊断方法综述.docx

《内燃机诊断方法综述.docx》由会员分享，可在线阅读，更多相关《内燃机诊断方法综述.docx（6页珍藏版）》请在冰点文库上搜索。

内燃机诊断方法综述

内燃机诊断方法综述

李聪

机0801-1班20080524

【摘要】:

内燃机是生产的主要动力之一,然而,它又是一种复杂的往复式机械,状态监测和故障诊断十分困难,而且又十分重要,掌握有效的故障诊断方法和处理技巧,缩短维修时间,利于提高机械设备的完好率和使用率。

本文从监测信号（参数、信号特征提取方法、信息融合识别方法等方面对内燃机目前的状态监测与故障诊断进行了综述。

分析了故障诊断的基本工作方法,可供参考。

【关键词】:

内燃机诊断技术发展主要技术诊断方法

1.内容提要

众所周知,内燃机是一种往复式动力机械,由于结构复杂,运动部件多,是内燃机故障诊断十分困难。

随着现代科学技术的发展以及自动化程度的提高,内燃机故障诊断技术已从最开始的事后维修发展到定时检测,再到现在的故障诊断技术的事情维修,和其它类型的机械故障诊断一样,内燃机故障诊断首先必须对故障机理进行研究,并对故障信号的检测及处理为基础技术,以故障信号处理和特征提取理论为基本理论,以基于特征的故障信息融合识别为基本方法。

2.内燃机故障诊断的发展及主要技术

国外内燃机诊断技术,主要是从发达的工业化国家开始的。

20世纪60年代和70年代初汽车诊断受到西方普遍重视,其原因是:

a.诊断内容复杂化。

不仅在于出现在汽车上的新装置大量增加,还表现为这些装置本身的复杂化,从而使以依赖于人的经验和感觉来进行的诊断,不可避免地出现失误,或者即使诊断正确,也需花费过多的时间;

b.缺乏熟练的维修人员。

随着汽车保有量的急剧增加,使熟练维修人员相对短缺,而新手常对汽车故障部位判断不准,造成修理质量下降;

c.各国新法规的颁布,使得对汽车的安全、污染等检查项目越来越严格,从而对诊断检测故障提出了更精确、更可靠的要求。

故障诊断系统有两种:

一种是车内诊断。

诊断系统装在车上,对车内进行诊断的车内仪表盘自诊断系统;另一种是车外诊断。

诊断功能装置需要从车外进行测定的车外仪器诊断系统。

在这一时期,首先出现的是一些专用的检测仪器,如发动机正时提前测试仪、断电器触点闭合角测定仪等。

这些仪器和装置主要对发动机进行测试与检验,难以直接给出故障原因,它们仅仅是故障诊断的辅助工具,而真正的故障判断仍凭借机理分析和经验由人来完成。

进入20世纪80年代以来,车内诊断占主导地位的局面开始被打破。

车外诊断系统又有了重大发展,如1986年通用汽车公司推出的CAMS系统和福特汽车公司的修理厂诊断系统SBDS等。

CAMS是一个具有较高水平的诊断系统,它可以从随车系统上接收数据,用自身存贮的故障诊断程序进行自动诊断。

CAMS还具有提供维修说明、技术资料目录检索、汽车各项参数及技术条件等咨询功能。

近几年来,汽车诊断技术一方面发展功能齐全的车内诊断装置,另一方面,车外诊断系统,特别是诊断专家系统受到广泛重视,有关诊断理论与系统有了很大的发展。

但是,在已开发的诊断系统的成功背后,也出现了困难,这主要来自于传统诊断理论的限制以及对不同车辆深层次诊断知识缺乏研究和有效的获取。

另外,在各国纷纷对各诊断装置换代的同时,许多学者还对各种车辆状态参数检测方法与各种测试技术在故障诊断中的应用进行了广泛深入的研究,如穆尔的动能测量内燃机性能的诊断学,里兹尼建立了内燃机的动力模型,迪琼利用振动信号进行发动机监控,绍伯用于测量气门机构磨损的实时放射性标记技术,比安齐对发动机压力信号的波形分析,列恩对柴油机故障信号的回收,埃尔对内燃机气缸内径磨损的表征和模拟,张对柴油机油污染监测的试验,比塞利用化学发光对内燃机的诊断研究,拉里斯特伍德利用机油压力预测发动机失效,迪米特鲁对柴油机燃油点火延时测量的研究等。

3.内燃机的故障诊断方法

状态监测和故障诊断是相辅相成,密不可分的。

目前,内燃机状态监测和故障诊断中的检测信号如下。

3.1振动信号

内燃机转动时产生振动是不可避免的,这是由其工作特点和工作性质决定的,所以,在内燃机状态监测和故障诊断中,振动信号是反映其内在关系极其有效的敏感参数。

近几年,应用振动信号,提取内燃机故障特征的研究已经取得了较大进展,研究内容包括:

（1从机身表面或者缸套的振动信号中,提取不同的活塞-缸套间隙下的频率特征,以此判断活塞-缸套系统的磨损状态;（2从缸盖表面的振动信号中,提取气门漏气故障的频域特征,据此判断气门的工作情况;（3从喷油器和高压油泵上的振动信号中,提取反应喷油过程各种参数的频域特征,据此判断柴油机燃油系统的工作状态。

尽管,在利用振动信号进行内燃机状态监测和故障诊断方面,做了很多的研究工作,取得了显著的进步,但振动用于实时监测内燃机工况尚没有全面推广,仅仅在个别机型上做了一些有益的尝试。

其困难主要有:

（1内燃机的结构,运动状态均很复杂,信号众多,而共性归纳不够,,所以适应于某台,某型号的内燃机信号的分析方法,对另一型号的内燃机未必可行;

（2内燃机振动源多,传动路径复杂,系统故障既有“纵向性”,又有“横向型”,这一特征带来了内燃机这一复杂系统中多个故障并存的现实,多故障的同时诊断导致对故障能否准确诊断这一十分困难的诊断问题。

3.2转速波动信号

内燃机曲轴的瞬时转速信号能反映机器的工作状态,通过对瞬时转速波动信号的分析可以得到机器运行状态和相关故障的丰富信息。

正常工况下,各缸的动力性能基本一致,内燃机运转平稳各缸瞬时转动速度波动虽有误差,但总在一个不大的范围内,并呈现某种规律性,但当某个汽缸工作不正常时,动力的一致性受到破坏,内燃机运转平稳性变差,转速波动信号会产生严重变形,据此可以去判断汽缸内工作过程的好坏。

目前,研究主要集中于利用转速波动信号诊断内燃机失火故障,供油减少故障和活塞环极限磨损故障。

但是,利用转速诊断内燃机故障还存在一些不足之处:

（1虽然能够确定工作不正常的缸位,但不能确定造成故障的原因。

例如,缸内压力降低造成曲轴瞬时转速波动,可能是活塞-缸套-活塞环系统密封性变差所致,也可能为燃油系统故障造成;（2由于要反映一周内角速度的变化,瞬时转速测量仪就要求高频率响应、高精度,设备费用会很高。

3.3油液参数

油液监测是内燃机故障诊断的最常用方法,这不仅因为内燃机的故障以磨损为主,而且因为油液监测技术自身的特点决定。

内燃机油液监测分为磨损磨粒分析和润滑剂性能衰败分析两大类。

前者是分析润滑剂中携带的磨损微粒,以此诊断磨损故障和监测磨损状态,又有光谱分析和铁谱分析两种方法,监测参数分别为各金属元素的浓度和磨粒种类、磨粒直径、磨粒形状、粒径分布等;后者是分析在用润滑剂的理化性能,以检测内燃机的润滑状态和诊断由润滑不良引起的内燃机的故障,监测参数有粘度、闪点、酸值和机械杂质。

3.4压力信号

压力信号中,研究的较多的是气缸压力信号,这是由于气缸压力直接反映了内燃机工作状况的好坏,该信号可以诊断的故障有气门漏气、缸内失火、燃油系统工作不正常等。

测量气缸压力往往使用一个较小直径的测压通道将某种压力传感器与气缸联通,因此测量中不可避免的存在通道效应,特别是高速内燃机,这一影响不可忽略。

此外,由于气缸内高温的原因,测量时必须对传感器进行水冷或油冷,不利于在线使用。

用于内燃机状态监测和故障诊断的压力信号还有柴油机高压油管压力、润滑油压力、曲轴箱废气压力和进气管压力,它们分别监测柴油机燃油系统、润滑系统、活塞-缸套-活塞环系统和内燃机进气系统。

3.5温度信号

用于内燃机故障诊断与状态监测的温度信号包括冷却水温度和排气温度。

冷却水温度反映了冷却系统工作正常与否;排气温度反映的是气缸内的燃烧情况,如后燃造成排气温度过高。

4.内燃机故障诊断与状态监测特征提取分析方法

所需的信号由检测系统检测并采集后,接下来就是特征提取工作了。

对于能直接由仪器读出数据的缓变信号,如温度信号、油液参数等,读出的数据实际上就是特征值,因此它们不需要另外再提取特征了。

4.1幅值域分析法

信号的幅值域特征参数主要有极值、峰峰值、均值、均方值、方差、标准差、三阶距、四阶距、波形因子、脉冲因子、裕度因子等。

这些参数由于测量比较直接,可以用于在线监测。

4.2频域分析方法

频域分析主要是通过某种变换,将信号从时域变换到频域,然后再进行特征提取。

处理方法有古典谱估计法和现代谱估计法。

古典谱法基于FFT算法,包括周期图法、相关分析、相干分析、自谱、互谱、传递函数等等。

现代谱法包括最大熵谱估计、ARMA时序分析以及最小方差法等。

古典法的优点是可以用FFT快速计算,物理意义明确;缺点是谱分辨率低,需要数据量大,加窗后会产生泄漏,方差性能不好。

现代谱分析法具有较高的分辨率,对数据要求较少,但容易产生波形失真,信噪比低。

4.3小波分析方法

小波分析方法是一种多分辨的时频分析方法,具有多分辨率的时频局部化、快速线性多通道带通滤波等优点,为非平稳信号的分析提供了一个有价值的工具。

在实际工程应用中,常使用简单的二进制小波变换或小波包变换。

在内燃机故障诊断与状态监测领域,小波变换分析的应用分为特征提取和去噪。

4.4分形理论方法

分形理论是20世纪70年代发展起来的一种非线性数学方法,90年代中期该理论逐渐被学术界应用于内燃机故障诊断与状态监测领域,具体为,运用该理论中的分形维数,计算不同故障下的缸盖振动信号和机身振动信号的分形维数,以此识别故障。

结果表明,运用分形维数能够识别气门漏气故障和活塞磨损故障。

5.内燃机故障诊断与状态监测的现代信息融合识别方法

获取了信号的特征值后,接下来的工作是对检测对象是否存在故障、状态是否正常作出判断。

当判断依据只是单一特征值是,简单地设定一门限值就可作出识别;内燃机是一种复杂的往复式动力机械,由于结构复杂,运动部件多,使得内燃机的故障诊断与状态监测十分困难,因此,在该领域,近几年出现了应用信息融合技术的热潮。

信息融合方法兴起于20世纪70年代,该方法是对人脑综合处理复杂问题的一种功能模拟,通过对来自多传感器的信息进行多级别、多方面的处理,从而得出新的、更有意义的信息。

由于不同类型、不同监测点的传感器的信息一般具有很好地互补性,甚至有很好的完备性,因此通过多传感器信息融合,可以提高监测系统的可靠性和准确性,增加判断的可信度。

5.1证据理论方法

运用证据理论方法进行信息融合首先必须确定识别框架（目标全体,记为Θ。

由各传感器获得的特征参数构成该理论中的证据,然后分别应用每一个证据,对识别框架的所有2个子集构造相应的基本概率分配值,根据该概率值计算所有子集可信度和似然度。

每一个证据的基本概率值以及相应的识别框架,合称为一个证据体,因此每一个传感器就相当于一个证据体,而证据理论多传感器信息融合方法的实质就是在同一识别框架下,利用DS证据合成规则将各个证据体合并成一个新的证据体,再在新的证据体下进一步确定各目标的可信度和似然度,从而得出信息融合后的结果。

证据理论识别规则有多种,主要有基于基本概率分配值的决策和基于可信度的决策。

文献[2]应用证据理论方法融合来自柴油机振动信号和高压油管压力信号的特征值,对燃油系统的故障进行了识别;文献[9]则应用该理论融合内燃机冷却系统三个位置的温度信息,并识别该系统故障。

5.2神经网络方法

神经网络是应用最为广泛的现代数学方法之一,各个领域都可以找到其应用的踪影。

神经网络具有良好的容错性、层次性、自适应性、自组织性、联想记忆和并行处理能力,对于不同来源的复杂信息具有良好的融合作用。

根据学习方式不同,神经网络可分为有监督学习神经网络和无监督自组织竞争神经网络。

前者的学习过程是一个通过迭代来优化网络权值,从而使网络输出不断地接近理想输出的过程,将待识别的特征数据输入学习好了的网络,网络就能最改组数据的类别作出识别。

后者的学习过程没有理想输出作为参照,其网络参数优化和样本的分类是由网络输入样本自适应、自组织竞争进行的。

应用神经网络方法,文献[3]直接融合柴油机缸盖振动的时域信号,识别缸内燃烧类型;文献[4]则融合汽油机节气门位置、发动机转速、扭矩、进气压力等参数中的任意三种参数,预测另一个参数。

5.3模糊数学方

能应用于信息融合的模糊数学方法有模糊贴进度方法、模糊聚类方法和模糊综合评判方法。

模糊贴近度是衡量两模糊子集之间接近程度的一个度量,也可以用来衡量两个样本联系的密切程度。

设A={A1,A2,…,An}为分类模式,B为待识别向量,分别计算出Ai和B的贴近度,然后

再根据择近原则判别B的类型。

模糊聚类方法是一类模糊数学与聚类分析相结合的方法,比较典型的有基于模糊关系的模糊聚类方法和基于目标函数的模糊聚类方法。

应用前者进行分类大致可分为三步:

正规化、标定和聚类。

基于目标函数的模糊聚类方法首推模糊c-均值聚类算法（FCM。

模糊综合评判实际上是一种模糊映射的方法。

已知因素集U={u1,u2,…,un}与评判集V={v1,v2,…,vm}。

又设对各因素的权重分配为A∈F（U,记A={a1,a2,…,an},其中,ai为赋予第i个因素ui的权,且满足:

B={b1,b2,…,bm}∈F（V,bi反映了第j种决策在评判总体中所占的地位;R为模糊评判矩阵,则模糊综合评判式为B=A3R,式中,“3”为广义模糊逻辑算子。

模糊综合评判方法的关键是评判矩阵R的确定。

模糊聚类方法不需要任何标准信息群,是一种自适应的分类法,对于无法确定标准信息群的场合有重要意义,而模糊综合评判法和模糊贴近度法都需要标准信息群。

文献[26]应用模糊聚类方法融合识别了柴油机的三种活塞磨损状态;文献[5]、[6]则应用模糊贴进度方法分别融合了多种柴油机参数,并分别识别了柴油机的喷油嘴故障和柴油机技术状况。

5.4灰色理论方法

信息不完全的系统,即所谓的“贫”信息系统,是现实世界中普遍存在的一类系统,称之为灰色系统。

关于这类系统已经形成了灰色系统理论,该方法是一种有效信息融合方法。

应用灰色系统理论方法,文献[7]融合了几种柴油机常规参数,识别了进气系统和燃油系统故障;文献[8]则融合内燃机机身振动加速度信号的频域和幅值域参数,识别了活塞的磨损状态。

6.小结

由于内燃机结构复杂,包含旋转和往复两种运动方式;振动激励源多,被测信号中干扰噪声多,且存在严重非平稳性和非线性性,所以,对内燃机进行状态监测和故障诊断存在一定的困难。

近几年,分形理论、神经网络、小波分析、证据理论、灰色系统理论等一批现代数学的应用,丰富了该领域的特征提取方法和模式识别方法。

而其中的信息融合方法的引入,推动了内燃机状态监测和故障诊断向智能化转变。

参考文献

[1]陈新轩,许安.工程机械状态监测与故障诊断.人民交通出版社,2008.8.1

[2]王鸿飞.基于Dempster-Shafer证据理论的柴油机故障诊断.内燃机学报,2000,18（1.

[3]张来斌,刘守道,王朝晖.基于神经网络的柴油机燃烧系统故障诊断.内燃机学报,2000,13（4.

[4]柳朝阳,乔新勇,刘建敏.基于模式识别的柴油机故障诊断研究.车用发动机,2001,1:

36~38.

[5]毕小平,张更云,韩树等.一种诊断车辆发动机技术状况的模糊模型.内燃机学报,2000,18（4.

[6]范荫,王学合,孟昭昕.柴油机工作过程故障灰色诊断专家系统.内燃机工程,2000,2.

[7]孙颖楷,陈海.基于灰色系统理论的内燃机故障诊断.贵州工业大学学报（自然科学版,2000,29（5.

[8]王学合,黄震,范荫.柴油机故障灰色诊断系统研究.柴油机·DieselEngine,2000,5:

31~35.

[9]高海洋,谢辉,苏万华.混合燃烧系统柴油喷射提前角对缸内压力的影响.天津大学学报,1999,

32（5.

[10]刘世元,杜润生,杨叔子.利用转速波动信号诊断内燃机失火故障的研究（3——多特征综合方法.内燃机学

报,2000,18（4.