张 立，石要武，马 彦

(1.吉林大学 珠海学院，广东 珠海 519041;2.吉林大学 通信学院，长春130022)

发动机在正常工作时，由于机械运动部件之间相互冲击碰撞、进排气流运动、燃料燃烧及高压电磁交互作用等原因，会发出很大的噪声。当出现运动部件磨损、配合间隙增大、零件松动、断裂损坏等现象时，或者由于维修质量不好、装配调整不当等原因，发动机运转噪声中会伴随着产生各种异常声响。因此，基于发动机异响信号分析的故障诊断研究得到了广泛关注和经验性实际运用［1］。许多研究工作采用小波/小波包分析、模糊理论、人工神经网络、谱相关分析、循环统计量分析和时频分析等方法直接对发动机异响信号进行建模、特征提取及模式识别［2－11］。由于采集到的声响是含有发动机运转噪声的混合信号，且通常信噪比低，将不可避免地导致较高的故障虚报、漏报概率，故障分辨率较低，鲁棒性也较差。因此，对发动机运转噪声进行预测，对于减小发动机运转噪声干扰、提高异响信号信噪比、提高基于异响信号分析的发动机故障诊断的正确率具有重要意义。

自适应噪声对消法是从混合信号中增强或提取感兴趣信号的经典方法［12－13］，对消效果主要取决于噪声预测的精度，而噪声预测的精度则主要取决于自适应滤波器参考输入噪声与期望输出(实测噪声)的相关程度、相互间的泛化表达能力及自适应调节速度及精度。

发动机是一种包含循环往复直线……