专利名称：基于时域能量和支持向量机的发动机故障识别方法
技术领域：
本发明属于发动机领域，尤其是一种基于时域能量和支持向量机的发动机故障识别方法。
背景技术：
随着人们生活水平的提高，汽车逐渐进入百姓家庭，随着汽车使用时间越来越长，汽车的发动机发生故障的几率也越来越大，目前六缸发动机在汽车上应用比较广泛，在发动机内的缸体发生故障时，很难进行准确判断发动机内部发生了什么故障，必须要对发动机进行拆卸才能进行故障识别，但是这样的方法识别故障速度较慢，时间较长，效率较低，维修维护费时费力。

发明内容
本发明的目的在于克服现有技术的不足，提供一种基于时域能量和支持向量机的发动机故障识别方法，该方法提高了发动机故障识别速度，缩短了发动机故障识别时间，提高了发动机故障识别效率，方法简单，易操作，方便了发动机的维修维护。本发明解决其技术问题是通过以下技术方案实现的一种基于时域能量和支持向量机的发动机故障识别方法，其方法包括的步骤为(1)、在六缸发动机的第一缸与第二缸之间设置第一测点、第二缸与第三缸之间设置第二测点、第四缸与第五缸之间设置第三测点、第五缸与第六缸之间设置第四测点，在每个测点上分别安装一加速度振动传感器，该加速度振动传感器通过振动信号采集仪连接计算机；⑵、把由加速度振动传感器从上止点开始采集得到的发动机运行状态的时域振动信号划分为N段，每段分别包括M个振动信号幅值；⑶、求出N段中每段的时域能量Ei ；(4)、求出N段的时域能量之和Esum ；(5)、将每段的时域能量Ei与时域能量之和Esai相比进行能量单位化后构造出特征向量，得到N个时域能量特征值；(6)、对N个时域能量特征值用支持向量机方法进行分类计算得到发动机运行状态分类参数；(7)、将发动机运行状态分类参数与发动机正常状态分类参数进行比较得到发动机故障识别结果。而且，所述的发动机正常状态分类参数获得的方法为 (1)、在六缸发动机的第一缸与第二缸之间设置第一测点、第二缸与第三缸之间设置第二测点、第四缸与第五缸之间设置第三测点、第五缸与第六缸之间设置第四测点，在每个测点上分别安装一加速度振动传感器，该加速度振动传感器通过振动信号采集仪连接计算机；
⑵、把由加速度振动传感器从上止点开始采集得到的发动机正常状态的时域振动信号划分为N段，每段分别包括M个振动信号幅值；⑶、求出N段中每段的时域能量Ei ；(4)、求出N段的时域能量之和Esum ；(5)、将每段的时域能量Ei与时域能量之和Esai相比进行能量单位化后构造出特征向量，得到N个时域能量特征值；(6)、对N个时域能量特征值用支持向量机方法进行分类计算得到发动机正常状态分类参数。而且，所述的得到发动机故障识别结果后，还包括获取发动机故障状态分类参数，获取发动机故障状态分类参数的方法为(1)、在六缸发动机的第一缸与第二缸之间设置第一测点、第二缸与第三缸之间设置第二测点、第四缸与第五缸之间设置第三测点、第五缸与第六缸之间设置第四测点，在每个测点上分别安装一加速度振动传感器，该加速度振动传感器通过振动信号采集仪连接计算机；⑵、把由加速度振动传感器从上止点开始采集得到的发动机故障状态的时域振动信号划分为N段，每段分别包括M个振动信号幅值；⑶、求出N段中每段的时域能量Ei ；(4)、求出N段的时域能量之和Esum ；(5)、将每段的时域能量Ei与时域能量之和Esai相比进行能量单位化后构造出特征向量，得到N个时域能量特征值；(6)、对N个时域能量特征值用支持向量机方法进行分类计算得到发动机故障状态分类参数。而且，所述的发动机故障状态分类参数为发动机进气门故障状态分类参数、发动机排气门故障状态分类参数以及发动机断油故障状态分类参数。本发明的优点和有益效果为I、本基于时域能量和支持向量机的发动机故障识别方法能够对发动机异常工作提供故障识别，通过对加速度振动传感器采集信号的处理，快速准确对发动机内部故障进行识别，方便维修维护。2、本基于时域能量和支持向量机的发动机故障识别方法可以根据实际工况设置加速度振动传感器，该传感器为市场销售的振动传感器，成本较低。3、本发明有效提高了发动机故障识别速度，缩短了发动机故障识别时间，提高了发动机故障识别效率，方法简单，易操作，方便了发动机的维修维护。


图I为6缸发动机进气门正常时的时域波形图；、
图2为6缸发动机进气门故障时的时域波形图；图3为6缸发动机排气门正常时的时域波形图；图4为6缸发动机排气门故障时的时域波形图；图5为6缸发动机进气门间隙故障时工作一个周期的时域波形图6为发动机正常信号图；图7为发动机故障I信号图；图8为发动机故障2信号图；图9为发动机故障3信号图；图10为发动机故障4信号图；图11为发动机故障5信号图；
图12为进气门间隙时域波形图；图13为排气门间隙时域波形图；图14为断油故障的时域波形图；图15为线性可分模式下二维输入空间中最优超平面的几何结构图；图16为发动机单缸不同类型故障的分类图；图17为发动机配气系统不同故障量的分类图。
具体实施例方式下面通过具体实施例对本发明作进一步详述，以下实施例只是描述性的，不是限定性的，不能以此限定本发明的保护范围。一种基于时域能量和支持向量机的发动机故障识别方法，其方法包括的步骤为(1)、在六缸发动机的第一缸与第二缸之间设置第一测点、第二缸与第三缸之间设置第二测点、第四缸与第五缸之间设置第三测点、第五缸与第六缸之间设置第四测点，在每个测点上分别安装一加速度振动传感器，该加速度振动传感器通过振动信号采集仪连接计算机；⑵、把由加速度振动传感器从上止点开始采集得到的发动机运行状态的时域振动信号划分为N段，每段分别包括M个振动信号幅值；⑶、求出N段中每段的时域能量Ei ；(4)、求出N段的时域能量之和Esum ；(5)、将每段的时域能量Ei与时域能量之和Esai相比进行能量单位化后构造出特征向量，得到N个时域能量特征值；(6)、对N个时域能量特征值用支持向量机方法进行分类计算得到发动机运行状态分类参数；(7)、将发动机运行状态分类参数与发动机正常状态分类参数进行比较得到发动机故障识别结果。上述发动机正常状态分类参数获得的方法为(1)、在六缸发动机的第一缸与第二缸之间设置第一测点、第二缸与第三缸之间设置第二测点、第四缸与第五缸之间设置第三测点、第五缸与第六缸之间设置第四测点，在每个测点上分别安装一加速度振动传感器，该加速度振动传感器通过振动信号采集仪连接计算机；⑵、把由加速度振动传感器从上止点开始采集得到的发动机正常状态的时域振动信号划分为N段，每段分别包括M个振动信号幅值；(3)、求出N段中每段的时域能量Ei ；
(4)、求出N段的时域能量之和Esum ；(5)、将每段的时域能量Ei与时域能量之和Esai相比进行能量单位化后构造出特征向量，得到N个时域能量特征值；(6)、对N个时域能量特征值用支持向量机方法进行分类计算得到发动机正常状态分类参数。本发明得到发动机故障识别结果后，还包括获取发动机故障状态分类参数，获取发动机故障状态分类参数的方法为(1)、在六缸发动机的第一缸与第二缸之间设置第一测点、第二缸与第三缸之间设置第二测点、第四缸与第五缸之间设置第三测点、第五缸与第六缸之间设置第四测点，在每个测点上分别安装一加速度振动传感器，该加速度振动传感器通过振动信号采集仪连接计、算机；⑵、把由加速度振动传感器从上止点开始采集得到的发动机故障状态的时域振动信号划分为N段，每段分别包括M个振动信号幅值；⑶、求出N段中每段的时域能量Ei ；(4)、求出N段的时域能量之和Esum ；(5)、将每段的时域能量Ei与时域能量之和Esai相比进行能量单位化后构造出特征向量，得到N个时域能量特征值；(6)、对N个时域能量特征值用支持向量机方法进行分类计算得到发动机故障状态分类参数。发动机故障状态分类参数为发动机进气门故障状态分类参数、发动机排气门故障状态分类参数以及发动机断油故障状态分类参数。下面按发动机曲轴转角对应振动信号进行时域能量划分及计算本发明由加速度振动传感器采集得到发动机时域振动信号X(t)，则时域能量E为E = \J X2(t)dt 公式(I)对于公式(I)所求的信号能量，按时间离散变换后求得的幅值能量为一组离散的点，按照曲轴转角划分为N段信号后，每段信号包含的点分别有M个，每段信号内离散的点的集合为(XpXfXjd=Id, M};则求出每段信号内的能量为
JfArE1 = ^xi ； Kxmu - K, i = 1,2，…，N 公式(2)
,I<+ I将每段的时域能量Ei与时域能量之和Esum相比进行能量单位化后构造出特征向量，得到N个时域能量特征值；[E/E議，E2/E■，…En/Esum]i = 1，2，...，N 公式(3)I. I. I特征值的提取方法介绍根据发动机的工作原理，6缸进气门发生落座冲击的时刻，大约发生在I缸压缩上止点之前150°左右，并且该冲击发生时刻不伴随有其它类型的冲击，因此可以通过冲击相位来判断进气门故障，如图I为6缸发动机进气门正常时的时域波形图和图2为6缸发动机进气门故障时的时域波形图。根据发动机的工作原理，6缸排气门落座冲击位置发生在I缸排气上止点后约20°，仍以6缸排气门间隙为例，则排气门落座冲击就应该发生在I缸压缩上止点后20°左右，因为I缸压缩上止点，正好对应6缸排气上止点。图3为6缸发动机排气门正常时的时域波形图；图4为6缸发动机排气门故障时的时域波形图。发动机工作过程中，其缸盖将受到燃烧冲击、活塞碰撞、配其气机构冲击等多种激励力的作用，从而引发缸盖的结构振动。由于发动机的不同气缸是按一定顺序工作的，振动信号在时域上必然也有一定的顺序，所以从振动波形基本可以确定几个主要激励的时刻。图5为6缸发动机进气门间隙故障时，测点Al. 56处，发动机工作一个周期的时域波形图。经过上面的分析可知，判断同一气缸的进气门或者排气门的故障，可以通过曲轴转角的位置来判断。对于在同一曲轴转角位置，不同性质的冲击，可以从幅值能量上进行判断。这就需要提出一种新的方法确定发生冲击的性质，究竟是什么类型的冲击，是进、排气门冲击，还是其他类型的冲击，进而才能做出正确的故障诊断。实验选定发动机工况为怠速900r/min，测得发动机各种状态下的振动信号。由于实际采样的原始信号没有明确的起始点，不是发动机工作周期的整数倍，这样造成信号间 的可比性很差，不利于下一步的故障诊断，因此需要对原始信号进行上止点的定位，截取发动机的一个工作周期进行分析。图I、图2、图3、图4中所示为发动机工作一个周期内，可以发现不同气缸气门间隙故障都有不同区间段。由图5中可以清晰看出，气门故障和燃烧冲击有一定的曲轴间隔。因此，可以选用与曲轴转角和幅值相关的量进行特征提取。发动机一个循环周期对应的曲轴转角为720°，截取的信号以I缸压缩上止点为标准缸，为了更好区分发动机各缸的进气门、排气门、断油等故障，按配气系统故障将发动机周期信号按曲轴转角均分为N=12段。按公式(I)公式(2)公式(3)计算得到不同曲轴转角对应的能量值。I. I. 2特征值的提取过程汽车发动机在运行时必将产生振动，而振动信号中包含着丰富的信息。对采集的发动机的振动信号，在时域上提取信号特征量，对发动机进气门、排气门间隙、断油故障进行诊断。为了更好的区分各缸之间的相同故障和每缸的不同故障，根据振动信号的特点将一整段周期信号分成12等分，通过公式(I)、公式(2)得到发动机各种状态下的能量EJf这些特征值用向量组来E = [E1, E2, -,E12]表示，利用公式(3)计算后，将特征值AE=LE1/Esuffl, E2/E_，…，E12/E_]作为支持向量机分类函数的输入向量，建立发动机不同故障状态下的训练样本。I. I. 3发动机故障分析(I)发动机配气系统不同故障量的分析图6为发动机正常信号图；图7发动机故障I信号图；图8为发动机故障2信号图；图9为发动机故障3信号图；图10发动机故障4信号图；图11发动机故障5信号图；通过对上面发动机配气系统五种不同故障量状态下的振动信号进行故障特征提取，提取发动机配气系统不同故障量状态下的特征能量，并初步判断故障类型。提取的特征能量值如表I所示。表I发动机配气系统不同故障量的特征能量值
权利要求
1.一种基于时域能量和支持向量机的发动机故障识别方法，其特征在于该方法包括的步骤为 (I)、在六缸发动机的第一缸与第二缸之间设置第一测点、第二缸与第三缸之间设置第二测点、第四缸与第五缸之间设置第三测点、第五缸与第六缸之间设置第四测点，在每个测点上分别安装一加速度振动传感器，该加速度振动传感器通过振动信号采集仪连接计算机； ⑵、把由加速度振动传感器从上止点开始采集得到的发动机运行状态的时域振动信号划分为N段，每段分别包括M个振动信号幅值； ⑶、求出N段中每段的时域能量Ei ；(4)、求出N段的时域能量之和Esum； (5)、将每段的时域能量Ei与时域能量之和Esm相比进行能量单位化后构造出特征向量，得到N个时域能量特征值； (6)、对N个时域能量特征值用支持向量机方法进行分类计算得到发动机运行状态分类参数； ⑴、将发动机运行状态分类参数与发动机正常状态分类参数进行比较得到发动机故障识别结果。
2.根据权利要求I所述的基于时域能量和支持向量机的发动机故障识别方法，其特征在于所述的发动机正常状态分类参数获得的方法为 (I)、在六缸发动机的第一缸与第二缸之间设置第一测点、第二缸与第三缸之间设置第二测点、第四缸与第五缸之间设置第三测点、第五缸与第六缸之间设置第四测点，在每个测点上分别安装一加速度振动传感器，该加速度振动传感器通过振动信号采集仪连接计算机； ⑵、把由加速度振动传感器从上止点开始采集得到的发动机正常状态的时域振动信号划分为N段，每段分别包括M个振动信号幅值； ⑶、求出N段中每段的时域能量Ei ； (4)、求出N段的时域能量之和Esum； (5)、将每段的时域能量Ei与时域能量之和Esm相比进行能量单位化后构造出特征向量，得到N个时域能量特征值； (6)、对N个时域能量特征值用支持向量机方法进行分类计算得到发动机正常状态分类参数。
3.根据权利要求I所述的基于时域能量和支持向量机的发动机故障识别方法，其特征在于所述的得到发动机故障识别结果后，还包括获取发动机故障状态分类参数，获取发动机故障状态分类参数的方法为 (I)、在六缸发动机的第一缸与第二缸之间设置第一测点、第二缸与第三缸之间设置第二测点、第四缸与第五缸之间设置第三测点、第五缸与第六缸之间设置第四测点，在每个测点上分别安装一加速度振动传感器，该加速度振动传感器通过振动信号采集仪连接计算机； ⑵、把由加速度振动传感器从上止点开始采集得到的发动机故障状态的时域振动信号划分为N段，每段分别包括M个振动信号幅值；⑶、求出N段中每段的时域能量Ei ； (4)、求出N段的时域能量之和Esum； (5)、将每段的时域能量Ei与时域能量之和Esm相比进行能量单位化后构造出特征向量，得到N个时域能量特征值； (6)、对N个时域能量特征值用支持向量机方法进行分类计算得到发动机故障状态分类参数。
4.根据权利要求I所述的基于时域能量和支持向量机的发动机故障识别方法，其特征在于所述的发动机故障状态分类参数为发动机进气门故障状态分类参数、发动机排气门故障状态分类参数以及发动机断油故障状态分类参数。
全文摘要
本发明涉及一种基于时域能量和支持向量机的发动机故障识别方法，其为⑴、在每个测点上分别安装一加速度振动传感器通过振动信号采集仪连接计算机；⑵、把从上止点开始采集时域振动信号划分为N段，每段分别包括M个振动信号幅值；⑶、求出N段中每段的时域能量Ei；⑷、求出N段的时域能量之和ESUM；⑸、将Ei与ESUM相比进行能量单位化后构造出特征向量，得到N个时域能量特征值；⑹、用支持向量机方法进行分类计算得到发动机运行状态分类参数；⑺、比较得到发动机故障识别结果。本发明有效提高了发动机故障识别速度，缩短了发动机故障识别时间，提高了发动机故障识别效率，方法简单，易操作，方便了发动机的维修维护。
文档编号G01M15/04GK102661866SQ20121014493
公开日2012年9月12日 申请日期2012年5月11日 优先权日2012年5月11日
发明者吕燕春, 徐玉秀, 杨文平, 邢钢, 马新华 申请人:天津工业大学