胡志远+刘占峰+刘佳婧

摘 要：随着现代工业的发展，汽车发动机的结构越来越复杂，对发动机故障诊断必然是要更加快速准确本文主要介绍了信号处理方法在发动机故障诊断中的应用。

关键词：发动机；故障诊断；信号处理

DOI：10.16640/j.cnki.37-1222/t.2018.04.022

0 引言

由于发动机所处工作环境恶劣和其结构复杂的特性极易出现故障。为了预防和诊断故障则需要更多地了解发动机的工作状况，通过对比发动机工作过程中产生相关的相关信息来对发动机的故障进行分析、诊断，从而使诊断工作的便利性增加[1]。

1 振动信号测试方法

在发动机工作过程中会产生大量的振动信号，当发动机出现某种故障的时候，其相应部位所产生的振动激励信号就会作用时间和能量强度发生一定的改变。因此在对发动机故障诊断时通过对振动信号进行采集，然后对其进行分析、加工，把反映发动机故障的特征信息筛选出来，之后将信号处理后获得的特征参数与判别参数进行对比来确定发动机的运行状态，从而来判断发动机是否发生故障，这样可以快速准确的对发动机故障的种类进行识别[2]。

2 汽车发动机故障诊断信号处理方法

通过信号处理方法对汽车发动机的故障诊断本质上就是对模式的辨认、识别和分类的问题。从这两点来看，这种故障诊断的方法可以概括成对发动机的故障特征提取、对特征的模式进行识别和获取发动机的数据信息。下面对信号处理的汽车发动机故障诊断的方法中主要的方法进行介绍。

2.1 主元分析法

主元分析法是利用压缩数据的降维来简化数据集的技术，从而提取其中的关键信息[3]。主元分析法实现对发动机故障诊断的方式是：通过把发动机正常工况下的数据按照主元分析法的方式建立一个主元模型，然后对发动机运行的信号进行测量，如果所测量的实际运行信号与之前建立的主元存在差异，则说明汽车发动机存在故障。再通过对数据进行分析，分离出发动机的故障，该方法可以在大量干扰数据下提取出发动机的故障信号，对发动机的故障诊断十分有效。

2.2 小波变换

小波分析是一种新的变换方法，其基本原理是：将连续变化的时域信号用小波域表示，联合时间尺度和频率细节来描述信号；小波变换在分析信号的局部特点时，能实现高频处高分辨率，低频处地分辨率的不同变换，对信号中的不同频率分量采用不同的分辨率来分析；再通过对信号的连续小波变换分解为多个尺度下的细节，从而对信号特征来进行提取。小波變换通过对发动机运行状态下的振动信号进行时频分析，对参数的变化进行分析、总结，从而来判断发动机是否发生故障。

2.3 混沌与分形理论

混沌与分形是非线性动力学系统的两个特，但它们又都是非线性方程所描述的非平衡的过程和结果，混沌是以时间序列下不稳定的发散过程为研究对象，分形主要研究几何空间结构。混沌状态所出现的奇异吸引子就是分形集，可以说成混沌是时间上的分形，而分形所研究得到分形维数就是空间上的混沌。对需要诊断的发动机采集振动信号，对信号用准相图来表示，再通过关联维数进行计算，通过对比发动机各种不同工况下关联维数的差异，进而对发动机的故障进行判别。

2.4 经验模态分解

经验模态分解方法是提出用于处理非线性非平稳信号数据的方法，其进本原理就是把信号中不同尺度的波动或趋势逐级分解开来，产生一系列具有不同特征尺度的数据序列，每一个序列称为一个本征模态函数。通过对本征模态函数进行希尔伯特变换得到振幅-频率-时间的三维谱分布。利用经验模态分解方法对发动机振动信号进行分解，再进一步求信号的hilbert谱和边际谱，通过hilbert 边际谱得到振动信号的频率分布和发动机正常工况下的参数对比，来判断发动机是否发生故障以及故障类别。

3 多种信号处理方法相结合的诊断方法

以上各种方法在处理发动机故障信号过程中有着各自的优缺点。而且随着发动机的结构越来越复杂，依靠其中单一的方法已经不能足够对发动机的故障进行准确快速的识别诊断。因此多种方法相结合的故障诊断方法在发动机故障诊断中的应用是发展的必然趋势。

3.1 小波变换与经验模态分解相结合的方法

小波变换针对多种复杂的信号形式，小波去燥缺乏自适应性，而经验模态分解方法对处理非平稳限号具有自适应性。因此综合这两种方法对发动机振动信号进行处理可以综合两者优点。首先对发动机的振动信号作EMD分解，得到从高频到低频的本征模态函数和残余项，然后在利用小波变换对信号进行处理，得到故障特征信息，从而来判断发动机故障。

3.2 模糊理论和神经网络相结合的方法

模糊故障诊断是利用模糊集合理论中的隶属函数和模糊关系矩阵来描述故障与征兆之间的关系，进而实现对故障的诊断。神经网络具有优化计算和非线性映射的能力，且主要是从后向前逐层传播输出层的误差，间接计算出隐层误差。把采集的发动机振动信号输入进行神经网络第一层处理，之后运用模糊理论对信号进行第二层处理，之后把输入层映射出输出层，把信号输出为模糊化数值，根据处理后信号隶属度来对发动机的故障进行诊断。

4 结语

本文介绍了在发动机故障诊断中应用较多的信号处理方法，可以看出随着发动机结构变得复杂，多种方法相结合的故障诊断方法是发动机故障诊断技术发展的必然趋势，也使得发动机故障诊断的方法变得更加多元化、智能化。

参考文献：

[1]陈修禹.汽车发动机故障诊断研究的理论与方法[J].科技资讯， 2016，14（04）：54-55.

[2]任庆霜，司景萍，梁红波等.基于振动信号的发动机故障诊断方法分析[J].公路与汽运，2010（03）：22-25.

[3]熊沂铖，王杏，李金龙等.汽车发动机故障诊断研究的理论与方法[J].时代农机，2016，43（07）：45-46.

本文系内蒙古自治区自然科学基金项目 ：“基于灰色理论发动机缸壁间隙检测方法研究” 项目编号2017MS 0529

作者简介：胡志远（1991-），男，安徽亳州人，硕士，研究方向：汽车智能诊断与检测技术。endprint