专利名称：基于排气噪声矢量量化分析的发动机故障诊断方法及装置的制作方法
技术领域：
本发明涉及一种发动机故障诊断领域，尤其是涉及一种成本低、更快速有效的基于排气噪声矢量量化分析的发动机故障诊断方法及装置。
背景技术：
目前，发动机故障诊断的方法有多种，大多数诊断系统的信号源取自发动机起动过程参数、点火波形、进气歧管真空度波形、发动机转速、缸体振动、电控喷油过程参数以及排气成分等。这些信号源只能反映发动机的某一特性，需多参数结合才能完成故障诊断，从而导致系统复杂、成本较高。如何以较少的检测参数精准实现发动机状态监测及故障诊断， 是高效车载的发动机故障诊断系统设计面临的首要问题。如公开号为CN201852706U，名称为一种基于尾气排风的汽车故障诊断测试系统的中国发明专利申请，包括温度传感器、湿度传感器、大气压力传感器、汽车尾气分析仪、喜好条例电路、数据采集卡、工控机、外围辅助硬件系统和软件系统，工控机通过RS-232串口与汽车尾气分析仪建立通讯，以获取汽车尾气中的CO、HC、C02、NOx, 02气体浓度信息和发动机转速信息，湿度、温度、大气压力传感器测试环境温度、湿度、大气压力信息，送入语气相连的信号调理电路输入端，调理后的信号经数据采集卡送入工控机，软件系统实现对工控机获取的信息进行处理、分析、显示、存储、推理诊断功能。该发明专利就存在上述的缺点这些信号源只能反映发动机的某一特性，而且需多参数结合才能完成故障诊断，从而导致系统复杂、成本较高。

发明内容
本发明主要是解决现有技术中需要结合多种参数完成对发动机故障诊断，导致系统复杂、成本高的问题，提供了一种成本低、更快速有效的基于排气噪声矢量量化分析的发动机故障诊断方法，以及使用该方法的装置。本发明的上述技术问题主要是通过下述技术方案得以解决的一种基于排气噪声矢量量化分析的发动机故障诊断方法，包括以下步骤，
a.在训练过程中预先对发动机的多种故障进行检测，将发动机在各故障下的排气噪声看做一个信号源，通过特征提取器从信号源中提取特征矢量，形成特征矢量序列；特征提取器提取的是排气噪声的Mel频率倒谱系数，将Mel频率倒谱系数作为矢量量化过程中信号源的特征参数矢量序列。在这个步骤中预先即训练过程中对发动机在各情况下的排气噪声都进行特征参数提取。b.将每个特征矢量序列通过LBG算法聚类生成码本，每个码本都包含有相应排气噪声的个性特征，使得每个码本对应一种故障状态，然后将这些码本进行存储；在训练过程中预先对发动机多种故障进行检测并生成码本，并将码本存在存储器内形成一码本库，作为对比的标准。这些码本在特征空间的分布相互不重叠或者有重叠。
c.在测试过程中对发动机故障进行检测，通过特征提取器从测试的排气噪声中提取特征矢量序列，然后将存储的每个码本依次对该特征矢量序列进行矢量量化，计算出各自的平均量化误差，将各个平均量化误差进行比较，选择平均量化误差最小的码本对应的故障状态作为系统诊断结果。基于矢量量化的方法所需的模型训练数据小、训练与识别时间短、工作存储空间小，系统便于硬件实现。在用码本对特征矢量序列进行量化的过程中， 首先要选择合适的失真测度，计算码本中码字代替矢量造成的失真，可以描述两个或多个码本间的相似程度，而失真度最小值所对应的码字即是该特征矢量的代表矢量，这样平均量化误差最小的码本就与该特征矢量序列最相似，从而实现对发动机故障的诊断识别。发动机排气气流的动力学特性直接反映了管道系统边界条件的变化，从而可以反映出发动机的各种运行状态。发动机的排气噪声作为发动机排气气流的直接物理映射，可以当作信号源分析，进行发动机综合故障诊断。采用本发明的方法，使用排气噪声信号作为信号源，实现了无损检测，不仅成本低，且信号采集更加快速有效。作为一种优选方案，在训练过程中，对各故障下的排气噪声重复提取特征矢量序列，对生成的码本进行修正量化。这样可以得到更加精确的码本，使得测试过程中识别更加准确。一种基于排气噪声矢量量化分析的发动机故障诊断装置，包括特征提取器、码本生成器、存储器和识别器，所述特征提取器分别与码本生成器、识别器相连，特征提取器提取发动机排气噪声的特征参数，得到特征矢量序列，在训练过程中，提取到的特征矢量序列发送到码本生成器中，在测试过程中，提取到的特征矢量序列发送到识别器中；所述码本生成器与存储器相连，码本生成器将训练过程中提取的特征矢量序列生成码本，并将码本存储在存储器内；所述存储器与识别器相连，在测试过程中，识别器读取存储器内的每个码本依次对特征提取器发送来的特征矢量序列进行矢量量化，并选择出与特征矢量序列平均量化误差最小的码本，将该码本对应的发动机故障输出为诊断结果。本发明以排气噪声信号的MFCC作为矢量量化算法中的信号源特征参数矢量序列，运用矢量量化算法分析发动机排气噪声，辨识不同工况下发动机排气噪声的差异，进而诊断发动机故障，这样不仅实现了无损检测，同时系统成本低，信号采集更加快速有效。


附图1是本发明的一种结构示意附图2是本发明中训练过程中的一种流程示意图； 附图3是本发明中测试过程中的一种流程示意图。1-特征提取器2-码本生成器3-存储器4-识别器。
具体实施例方式下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。实施例
本实施例一种基于排气噪声矢量量化分析的发动机故障诊断装置，如图1所示，包括有特征提取器1、码本生成器2、存储器3和识别器4，该特征提取器分别与码本生成器和识别器相连，码本生成器宇存储器相连，存储器与识别器相连。该特征提取器接收发动机排气噪声信号，并从排气噪声信号中提取特征参数，特征提取器提取的是排气噪声的Mel频率倒谱系数，将其作为矢量量化算法中的信号源特征参数矢量序列。在训练过程中，特征提取器提取的特征矢量序列发送给码本生成器，由码本生成器生成码本后存储在存储器内。在测试过程中，特征提取器提取的特征矢量序列发送给识别器。识别器辨识不同故障状态下发动机排气噪声的差异，进而诊断发动机故障。发动机故障诊断装置的具体诊断方法详细如下，如图2所示，首先要经过训练过程，在训练过程中对多种发动机故障状态下的排气噪声进行特征参数提取，提取的特征参数为MFCC，MFCC是在Mel标度频率域提取出来的倒谱系数，其具体提取方法为已知技术，再此不再赘述。从排气噪声中提取特征矢量，得到特征矢量序列，设有N个特征矢量，则特征矢量序列为X = ^l,X1," ,Xm)，
然后通过LBG算法将特征矢量序列生成码本，:T = CT1J^",；^} , LBG算法为已知技术，再此
不再赘述。每个排气噪声都经过上述过程，得到多组码本，码本都包含有相应排气噪声的个性特征，每个码本对应一种故障状态，将每个码本与对应的故障状态相联系，然后存储在存储器内。如图3所示，进入测试过程，对此时发动机的排气噪声进行特征提取，得到测试状态下的特征矢量序列，记为X11X2,…，\，然后由存储器内的每个码本依次对特征矢量序列进行矢量量化，并计算各自的平均量化误差，设)(11为特征矢量，Ii为码本矢量，平均量化误差公式为
权利要求
1.一种基于排气噪声矢量量化分析的发动机故障诊断方法，其特征在于包括以下步骤，a.在训练过程中预先对发动机的多种故障进行检测，将发动机在各故障下的排气噪声看做一个信号源，通过特征提取器从信号源中提取特征矢量，形成特征矢量序列；b.将每个特征矢量序列通过LBG算法聚类生成码本，每个码本都包含有相应排气噪声的个性特征，使得每个码本对应一种故障状态，然后将这些码本进行存储；c.在测试过程中对发动机故障进行检测，通过特征提取器从测试的排气噪声中提取特征矢量序列，然后将存储的每个码本依次对该特征矢量序列进行矢量量化，计算出各自的平均量化误差，将各个平均量化误差进行比较，选择平均量化误差最小的码本对应的故障状态作为系统诊断结果。
2.根据权利要求1所述的基于排气噪声矢量量化分析的发动机故障诊断方法，其特征是在训练过程中，对各故障下的排气噪声重复提取特征矢量序列，对生成的码本进行修正量化。
3.一种基于排气噪声矢量量化分析的发动机故障诊断装置，其特征是包括特征提取器(1)、码本生成器(2)、存储器(3)和识别器(4)，所述特征提取器分别与码本生成器(2)、 识别器(4)相连，特征提取器提取发动机排气噪声的特征参数，得到特征矢量序列，在训练过程中，提取到的特征矢量序列发送到码本生成器(2)中，在测试过程中，提取到的特征矢量序列发送到识别器(4)中；所述码本生成器与存储器(3)相连，码本生成器将训练过程中提取的特征矢量序列生成码本，并将码本存储在存储器(3)内；所述存储器(3)与识别器 (4)相连，在测试过程中，识别器读取存储器内的每个码本依次对特征提取器发送来的特征矢量序列进行矢量量化，并选择出与特征矢量序列平均量化误差最小的码本，将该码本对应的发动机故障输出为诊断结果。
全文摘要
本发明涉及一种基于排气噪声矢量量化分析的发动机故障诊断方法及装置。主要是解决现有技术中需要结合多种参数完成对发动机故障诊断，导致系统复杂、成本高的问题。诊断装置包括特征提取器、码本生成器、存储器和识别器，特征提取器分别与码本生成器、识别器相连，码本生成器与存储器相连，存储器与识别器相连，本发明以排气噪声信号的MFCC作为矢量量化算法中的信号源特征参数矢量序列，运用矢量量化算法分析发动机排气噪声，辨识不同工况下发动机排气噪声的差异，进而诊断发动机故障。不仅实现了无损检测，同时系统成本低，信号采集更加快速有效。
文档编号G01M15/00GK102539154SQ20111031202
公开日2012年7月4日 申请日期2011年10月16日 优先权日2011年10月16日
发明者丁勇, 丁哲, 孙文凯, 李传海, 李志成, 由毅, 许勇, 赵福全 申请人:浙江吉利控股集团有限公司, 浙江吉利汽车研究院有限公司