基于希尔伯特黄变换的发动机故障诊断系统的研究

摘要

发动机作为动力装置,在工业中的作用越来越大,异常工作的发动机会给操作者带来危险,在危险出现之前,对发动机的故障进行诊断显得尤为重要。该研究采用NI公司的LabVIEW虚拟仪器开发平台,开发了发动机缸盖振动信号采集系统,采用Matlab数学软件编写了希尔伯特黄变换(Hilbert-Huang Transform,简称为HHT)算法和最小二乘支持向量机运算程序,并且在Matlab平台上建立了基于HHT方法的发动机故障诊断模型,组建了一套完整的基于HHT与最小二乘支持向量机的发动机故障诊断系统,并且用295柴油机分别进行发动机单缸失火、气门漏气及喷油提前故障的无拆卸故障诊断试验研究,主要结论如下:
　　(1)研究了HHT的理论,利用HHT对非平稳的发动机缸盖振动信号进行处理。经验模式分解(EMD)能够将原始信号进行自适应分解,分解后的各个固有模态函数IMF突出了原信号的不同局部特征,Hilbert变换可以清晰的表示出原始信号的频率分布及出现概率。
　　(2)设计了发动机故障诊断系统的硬件部份,使用FC2000测控系统、CA-YD-106型压电式加速度传感器、YE5853A电荷放大器、PCI-6040E型数据采集卡和SCB-68接线盒组成了发动机故障诊断系统。
　　(3)基于LabVIEW虚拟仪器开发平台,建立了发动机故障诊断信号测量采集系统,该系统控制面板分为四个区域:标题栏、控制栏、参数设置栏和图形显示栏。该系统操作简单,使用方便灵活,并且能够快速、连续、准确的采集发动机的振动信号,并将之存储到计算机中。
　　(4)分别采用HHT方法对发动机不同状态,不同工况缸盖振动信号进行分析,得到能够反应振动信号频域信息的边际谱。从边际谱上提取中频段(1000-2000Hz)特征信息,采用最小二乘支持向量机建立故障诊断模型,初始诊断模型的误认率较高。最小二乘支持向量机最重要的参数有两个:错分样本惩罚程度的可调参数gam和初始RBF函数的参数sig2,利用交叉验证优化参数方法优化gam和sig2,优化后的模型能够更加准确分辨发动机的工作状态。
　　(5)采用Matlab编写HHT变换程序及最小二乘支持向量机程序,建立了发动机正常运转、失火故障、气门漏气故障和喷油提前故障诊断系统,得到以下结论:在空载情况下,转速为800r/min时,测试结果表明,该模型可以准确地分辨正常运转、单缸失火、气门漏气故障的工作状态,诊断准确率为96.67％;在空载情况下,转速为1200r/min时,,测试结果表明,该模型可以准确地分辨正常运转、单缸失火、气门漏气等工作状态,诊断准确率为96.67％;在负载为25N·M情况下,转速为800r/min时,,测试结果表明,该模型可以准确地分辨出正常运转、气门漏气、喷油提前等工作状态,诊断准确率为96.67％;在负载为25N·M情况下,转速为1200r/min时,,测试结果表明,该模型可以准确地分辨出正常运转、气门漏气、喷油提前等工作状态,诊断准确率为93.33％。
　　(6)试验结果表明该系统能有效地对发动机失火故障、漏气故障和喷油提前故障进行无拆卸故障诊断。

目录

摘要

Abstract

1 绪论

1.1 研究目的与意义

1.2 国内外研究现状

1.3 研究内容及技术路线

1.3.1 研究内容

1.3.2 技术路线

2 发动机故障诊断的HHT理论基础

2.1 引言

2.2 HHT理论基础

2.2.1 瞬时频率

2.2.2 本征模态函数

2.2.3 经验模式分解

2.2.4 Hilbert变换与Hilbert边际谱

2.2.5 HHT方法的改进

3 发动机失火和漏气故障及喷油提前故障诊断的系统的设计

3.1 发动机故障诊断系统的总体设计

3.2 发动机故障诊断系统的硬件设计

3.2.1 发动机控制仪器的选择

3.2.2 传感器的选择

3.2.3 电荷放大器的选择

3.2.4 数据采集卡的选择

3.2.5 线路接线盒的选择

3.3 发动机故障诊断系统的软件设计

3.3.1 基于LabVIEW平台的数据采集及存储

3.3.2 HHT算法与Matlab仿真试验

4 发动机燃气系统故障诊断的试验研究

4.1 发动机故障诊断的试验方案设计

4.1.1 试验对象

4.1.2 传感器安装

4.1.3 试验方案

4.1.4 试验步骤

4.2 发动机失火和漏气故障诊断的试验研究

4.2.1 试验结果HHT变换分析

4.2.2 边际谱特征数据的提取

4.2.3 基于最小二乘支持向量机发动机故障诊断模型的建立

4.2.4 最小二乘支持向量机故障诊断模型的优化

4.2.5 优化后最小二乘支持向量机故障诊断模型的验证

4.3 发动机气门漏气和喷油时间提前故障诊断的试验研究

4.3.1 试验结果HHT变换分析

4.3.2 边际谱特征数据的提取

4.3.3 基于最小二乘支持向量机的发动机故障诊断模型建立

4.3.4 最小二乘支持向量机故障诊断模型的优化

4.3.5 最小二乘支持向量机故障诊断模型的验证

5 结论与讨论

5.1 结论

5.2 讨论

参考文献

致谢

硕士研究生期间发表论文情况