杨雷

（云南交通职业技术学院，云南昆明650500）

基于LabVIEW的发动机异响监测与诊断系统研究

杨雷

（云南交通职业技术学院，云南昆明650500）

对虚拟仪器技术和LabVIEW虚拟仪器开发平台进行概述，对不同类型、不同状态下的发动机异响诊断原因和诊断方法进行研究，对比人工诊断和基于现代信号处理的诊断方法，基于LabVIEW开发出发动机异响监测与诊断系统，对发动机的异响进行分析与诊断，实现对发动机运行状态的识别和发动机故障的诊断。

发动机异响；LabVIEW；状态监测；故障诊断

1 概述

1.1 工程背景及意义

发动机是现代社会不可或缺的机械部件之一，其主要作用是为各种机械设备提供动力，被广泛应用在汽车、船舶、飞机等领域。对汽车而言，发动机是极为重要部件之一。汽车发动机由上千个零部件组成，是高速运转并伴随高温、高压的复杂机械设备，其中任何细微的部分出现故障都将对发动机产生较大的影响，从而导致发动机非正常工作，严重时会造成极大的损失甚至是人员伤亡。因此对发动机的故障监测非常重要。

通常对发动机异响的诊断方法主要有两类：人工凭经验进行诊断和借助专业仪器设备进行诊断[1]。前者为传统诊断方法，一些经验丰富的现场工程师，借助简单的工具，仅依靠人耳就能从发动机的声音中发现异常，确定故障部位；后者为现代诊断方法，借助各种专业的仪器设备，通过信号采集和分析对发动机的状态进行识别，对故障进行定位和诊断。人工诊断的方法通常需要经验较丰富的现场工程师才能做到，并且诊断的结果具有相对的主观性和经验性；而现代诊断方法，借助于信号采集、处理和各种分析方法，能够对故障产生的部位、严重程度进行分析与诊断。

基于专用仪器设备或虚拟仪器开发的发动机异响监测与诊断系统能够实现对发动机异响的分析和监测，对发动机状态进行识别，及时对发动机故障进行诊断[2-3]。发动机的异响分析与诊断流程一般为：首先使用传感器采集发动机的实时状态数据（常用的信号类型为振动或声音信号），然后使用现代信号分析方法来判断发动机的运行状态，最后对发动机中的故障部位和严重程度进行诊断。

本文首先对虚拟仪器技术和LabVIEW虚拟仪器开发平台进行概述，对不同类型、不同状态下的发动机异响诊断原因和诊断方法进行详细描述，阐述人工诊断和基于现代信号处理的诊断方法，最后在实验室里基于LabVIEW虚拟仪器开发平台开发出发动机异响监测与诊断系统（Engine abnormal noise monitoring system，EANMS）。使用EANMS系统对发动机的异响进行分析与诊断，实现对发动机运行状态的识别和发动机故障的诊断。为了充分利用现场工程师积累的经验和知识，该系统除了能够实现对振动信号的采集外，还可以实现对声音信号的采集，通过对采集声音的回放，在人工诊断的辅助下实现人工诊断和现代诊断两种方法的结合，提高诊断的准确性。对于在发动机监测与诊断领域中推进状态监测与故障诊断水平，对于提高现代化诊断技术在发动机监测中的应用具有非常重要的意义。

1.2 国内外研究现状

发动机的状态监测与故障诊断技术一直是国内外研究的热点，随着机械设备状态监测与故障诊断技术的发展，在发动机的状态监测与故障诊断领域中，相关的理论和技术也得到不断进步。可以说发动机的状态监测与故障诊断理论和技术的发展是随着汽车工业和状态监测与故障诊断理论同步前进的。与机械设备的监测系统分为在线、离线两大类一样，在汽车领域中采用的故障诊断技术也是类似的两类系统：随车诊断系统（在线监测与诊断系统）与车外诊断（离线监测与诊断系统）。

随着状态监测与故障诊断理论和技术的发展，意大利于1982年首先开发出了汽车电路系统故障诊断专家系统，该系统充分利用现场一线工程师的经验，以大量的维修经验为依据，对汽车电路系统进行故障诊断。使用该系统，大大提高现场工程师的工作效率。美国通用公司于1985年成功研制出汽车发动机噪声识别与诊断系统。1998年，Hipar L.Gellele等人研发出实用性强、结构简单的发动机故障诊断系统。在发动机故障诊断技术方面国内起步较晚，天津工程学院在1988年以Turbe-PROLOG语言开发了一套发动机故障诊断专家系统，南京大学在1998年开发了一套汽车故障维修专家系统，该系统采用可视化编程手段，提供了可视化知识获取工具，从而完成基本的发动机故障诊断[4]。

2 发动机异响的诊断

发动机运行状态良好时，在不同工作状态下的声响具有典型的特征，如低速时均匀的排气声，高速时平稳的轰鸣声，加速时过渡圆滑的轰鸣声。当发动机的声音中出现金属敲击声、摩擦声等异响时，说明发动机的运作状态出现问题，需要查找原因和进行诊断。此外发动机的异响与发动机的转速、负载、温度、润滑状态等都有很大的关系，因此要想十分准确地根据发动机异响进行故障诊断，除了要掌握正确的诊断方法和具有丰富的经验外，充分运用现代仪器进行检测和分析同样非常重要[5-14]。

在进行异响诊断之前，应首先检查发动机的常见问题是否出现，诸如油路、电路和润滑情况是否正常，因为这类问题会引起发动机的异响。因此，发动机的异响诊断前应确保发动机的电路、油路以及润滑正常。此外为了逐步的缩小范围，还需要判断发动机异响的声源是来自于发动机外部还是发动机内部。如果在发动机内、外均有异响时，应该首先判断外部异响，再判断内部异响。

发动机的不同部位发生故障时的声响具有特定的规律性，通过异响可以对故障发生的位置进行定位。常见异响主要发生在曲轴主轴承、连杆轴承、活塞销、气门、气缸、正时齿轮等位置。在人工进行异响诊断时，通常使用金属棒、听诊器等常规工具，也可以借助专业的频率分析仪、示波器等仪器，对发动机发出异响的部位进行监测，也可根据现场经验和仪器显示结果对比分析，对故障发生的位置进行定位，对故障的程度和潜在的发展趋势进行预测。

3 基于信号分析的现代诊断法及异响诊断的信号分析基础

3.1 基于信号分析的现代诊断法

前面介绍的发动机常见异响的诊断需要借助人工来进行诊断，凭借简单的工具和现场工程师丰富的经验，仅仅通过听觉等感官效果来对发动机的状态进行判断，这是需要多年的经验积累才能够拥有的判断能力。由于人工诊断需要具有多年现场经验的工程师才能进行，且诊断结果无量化指标，因此借助于专用的诊断设备和诊断系统，能够为人工诊断的准确率、诊断结果的客观性和诊断指标的量化提供很好的手段。

发动机异响诊断系统通常属于频率分析仪的一种，一般由传感器、选频网络、放大器、显示仪表、转速表等部分组成，基本原理是通过传感器将发动机的声音进行获取，通过选频网络设置分析的频段，通过时间波形、频谱来对选定频段的频率进行分析，以此来对发动机的故障进行定位和诊断。

此类发动机异响诊断系统需要昂贵和专用的硬件仪器设备，且功能较为固定。功能的扩展可通过各种功能模块和扩展模块实现，但扩展性较差。而基于虚拟仪器技术的发动机异响诊断系统能够更加灵活和方便地实现此类系统的功能，因而扩展性和易用性更好，只需要传感器和对应的数据采集设备，将信号采集到计算机中，通过计算机中虚拟仪器开发软件进行开发，满足不同需求、不同功能的诊断系统，能够实现系统功能、架构、界面的定制和灵活扩展。

在人工诊断的诊断方法上，现代化的虚拟仪器技术、信号分析技术等为发动机异响监测诊断提供另外一种选择，相比依靠人工的经验判断方式，此种诊断方法具有诊断结果的客观性、诊断的准确性、诊断指标的量化等优点，工程师只需要基本的发动机诊断基础就可以借助专用设备进行专业的诊断，大大提高了发动机监测与诊断的水平。

3.2 异响诊断的信号分析基础

对于发动机异响的发生，既可以通过基于振动信号的数据采集和分析进行处理，也可以通过对声音信号的采集和分析进行故障诊断。由于声音产生的根源来自与机械部件的振动，因此对于直接在故障部位附近采集振动信号所得到的信号更直接，包含的故障信息更丰富。

基于声音的信号采集的要求就相对不是这么严格，只需要在发动机周围的自由场内进行测量，且传感器指向可能故障的部位就可以实现对信号的采集。但是同样要注意，虽然声音信号的采集属于非接触性采集，不需要安装传感器，但是由于是非接触采集，因此采集得到的信号中故障信息的强度就明显弱于基于发动机直接采集的振动信号，且采集到的声音信号中噪声的干扰相对较强，需要后期进行降噪、特征提取等处理后才能获取正确的原始特征。后期的信号分析和处理相对比较麻烦。

在时域内通过对采集信号（振动或声音）的分析，分析信号幅值随时间变化的趋势，查看一个周期内信号幅值的变化趋势，确定发动机异响的部位，确定故障的严重程度，这种方法称为时域分析方法。在频域内通过对原始信号进行傅里叶变换，将信号的特征变换到频率域中，能够看到与时域不同的特征。在频域内信号的各个频率组成部分按照大小依次排列，从频谱上可以直观地看到原始信号中各频率成分的能量分布。发动机由很多部件组成，每个部件的振动和故障都具有独特的频率特征，在频谱上每个部件对应的特征都能清晰的显示出来。因此在频谱上对信号进行分析能够得到更加简洁的信号表示方法，利用特征频率对发动机异响进行诊断能够快速地对故障发生的位置、故障的严重程度进行确定。因此频谱分析为发动机的异响诊断提供了有力的工具。与时域分析相比，频域分析能够准确地确定故障的位置和故障的严重程度，这是时域分析很难做到的，此外相比起人工判断而言，其能够较为准确地区分出异响部位以及异响的原因。

例如已知气门异响的特征频率为2 800 Hz，曲轴轴承异响的特征频率为400 Hz，两者的频率相差非常大，前者的频率属于高频段，后者的频率属于低频段，而发动机中其他部件的异响特征频率与这两个特征频率相比相差也较大。因此根据特征频率很容易判断是否出现气门异响或曲轴轴承异响的故障。而针对活塞销异响、活塞敲缸异响这两种故障来说，故障诊断就相对较难，因为两个故障部位比较接近，如果测点的位置选择不当，对获取到的信息进行分析会导致结果差异较大。研究发现，活塞销异响主要发生在气缸盖上方，而活塞敲缸的异响部位是气缸的上侧部，因此在诊断时测点的选择必须正确。此外活塞的这两种故障的特征频率在2 100 Hz附近，因此在诊断这两种故障时需要注意，在两个关键的测点上分别进行数据采集，对比两个位置上频谱特征，看哪个位置上特征频率出现，以及哪个特征频率的幅值较大，则说明故障发生在哪个部位上。

4 EANMS系统设计与实现

4.1 EANMS系统概述

发动机异响监测与诊断系统（Engine abnormal noise monitoring system，EANMS）通过对发动机运行时声响的采集、分析与监测，能够对发动机所处的运行状态进行识别，对发动机的内部故障的发生部位、严重程度进行诊断。

基于EANMS的发动机诊断流程为：通过传声器将发动机的声音由数据采集设备采集到计算机中。在EANMS系统中，使用现代信号分析方法分析发动机声音信号中的特征，利用故障诊断技术来识别发动机的运行状态，对发动机中故障部位进行定位和诊断。如通过时域分析对发动机声音信号的幅值、声压等参数进行分析，在频域内通过分析声音的频率，与不同转速、不同状态、不同条件下发动机的特征频率进行对比，确定故障发生的位置及严重程度。

此外为了充分利用现场工程师所具有的丰富经验，EANMS系统能够实现对采集的声音信号的回放，这样就能结合人工诊断和现代诊断两种诊断方法的优缺点，提高诊断的准确性，对于在发动机监测与诊断领域中推进状态监测与故障诊断水平，提高现代化诊断技术在发动机监测中的应用具有非常重要意义[15-23]。

EANMS系统使用LabVIEW2011平台进行开发，其中数据分析功能使用信号分析工具包，采集的信号既可以是振动信号，也可以是声音信号，数据采集卡为NI公司的9234，检测的发动机类型为汽油发动机。

4.2 EANMS系统的功能设计

EANMS系统基于LabVIEW开发平台进行开发，充分利用LabVIEW的G语言的优点，对EANMS系统中主要的功能采用模块化的设计方式，这样既有利于系统具有良好的架构，易于维护、易于扩展和升级，也有利于系统的开发。

EANMS系统有4大部分组成：分别为系统参数设置、采集与停止、数据分析与数据回放。下面就对这四个功能进行简要描述。如图1所示。

图1 EANMS系统功能列表

系统参数设置：用于对EANMS系统的参数进行配置，如采集数据的存放位置、采样参数等。

采集与停止：用于控制数据的采集过程。采集到的数据保存在数据目录中，数据目录由用户在系统参数配置中进行设置。

数据分析：用于对采集到的实时数据进行分析，包括时域的时间波形查看、频域的频域分析、小波分析和趋势分析等功能。

回放数据：用于对采集到声音数据文件进行回放。可以在数据目录中选择需要回放的数据，通过系统将声音播放出来，与人工诊断方式相配合，实现更精确的故障诊断。

为了使EANMS系统具有易维护、易扩展的系统架构，将系统的各模块以子VI的形式进行实现，在系统中使用子面板加动态加载技术实现对不同系统功能的加载。这样的实现方式使得系统执行过程中占用内存小、运行速度快，且在系统编程过程中，每个功能子模块相对独立，既保证子模块可以独立运行和独立测试，也保证子模块的故障不会影响到整个系统，使得系统在良好的架构下易于维护和扩展。4.3 EANMS系统主要功能设计与实现

下面对EANMS系统中参数配置、数据分析、数据回放等功能的设计与实现进行描述。

4.3.1 EANMS系统主界面

EANMS系统的主界面由上下两部分组成，主界面的上部为系统的功能按钮区，点击不同的按钮，在下面的功能区内显示不同的功能界面。如图2所示。

图2 EANMS系统主界面

系统功能按钮区内将系统的功能按照诊断的流程进行排列，方便用户在诊断过程中方便使用。如图3所示。

图3 系统功能按钮流程

系统的功能区根据选择的功能的不同显示不同的功能界面，如参数界面、数据采集界面等。如图4所示。

图4 系统功能区界面

4.3.2 参数配置功能

参数配置功能用于实现对系统中基本参数、采样参数和数据文件存储目录等参数的设置。如图5所示。

图5 参数配置界面

（1）基本参数：用于设置采集通道的采样点数。

（2）声音参数：用于设置声音采集的采样参数，如采样频率、采集通道数、采样率等。

（3）声音文件存储位置：用于设置保存采样数据文件的目录。

EANMS系统使用配置文件的方式保存各种参数，用户在首次使用时由于没有进行参数配置，因此需要首先进行参数配置，设置采样参数、数据文件目录等参数，然后EANMS系统的其他功能才能正常使用。在参数设置完毕后，EANMS将参数保存到系统目录下的参数配置文件中。如需要修改参数，则参数配置功能将修改后的参数更新到参数配置文件中。4.3.3启动停止采集

在用于完成参数配置后，就可以点击启动按钮来启动声音的采集，此时需要保证传感器、数据采集卡与计算机连接正常，且能够正常的通讯。

在启动采集后，在功能区内可以选择查看实时波形、趋势图、频谱等功能，以实时趋势图为例，在启动采集后，再实时趋势图上将显示采集到声音的声压级变化趋势，同时数据被以数据文件的形式保存到指定的数据目录下，用于回放和分析。

由于EANMS系统中具有数据文件回放功能，用于回放采集到的声音，因此在系统设计时，将数据文件的类型设置为wav，这样采集得到的数据文件既可以使用EANMS系统进行播放，也可以使用Windows系统支持的各种播放器进行播放，方便用户使用。

4.3.4 数据分析功能

数据分析功能是EANMS系统的主要功能，用于实现对采集到的声音信号的分析与故障诊断。EAMS的主要分析方法以时间波形、频谱和趋势分析为主，通过不同的分析方法，在不同的分析域上查看信号的特征，识别发动机的状态，进行状态识别和故障诊断。数据分析的功能如图6所示。

图6 数据分析功能列表

通过时域分析对时间域上声音的幅值变化进行分析，可以从时间波形上分辨出明显的冲击、敲击等信息。如图7所示。

图7 实时波形图

在频谱分析中，通过对频域的与发动机主要部件对应的特征频率的识别来判断发动机的状态，关键部件是否出现异常及故障的严重程度等。如图8所示。

图8 频谱分析图

趋势分析用于对发动机在一段时间内的声压级变化趋势进行分析，通过声压级的变化，可以识别发动机的状态，如果出现了异常的敲击、冲击等异响，则发动机声音的声压会发生变化，且体现在趋势分析图表上。此外趋势图将当前最大的峰值、最小的峰值和平均值进行计算并显示在界面上，方便用户根据最大、最小峰值进行发动机运行趋势的判断。如图9所示。

图9 实时趋势图

在数据分析功能使用中，需要使用到队列机制，即数据的采集由启动采集功能进行实现，在启动采集.VI中创建队列，并负责将每次采集到的数据推出队列中。在数据分析功能中所使用的数据都是从队列中获取到，数据分析功能在循环中不断的刷新队列状态，从队列中读取实时数据，对数据进行时域、频域和趋势分析。

4.3.5 数据回放功能

数据回放功能是EANMS系统的为配合人工诊断设置的辅助功能。在其在数据采集的同时，将采集到的声音以wav格式保存在用户指定的目录下，这样用户就可以随时对特定时间段采集的数据进行回放和分析，通过对回放声音的分析，结合现场经验，可以对数据的分析结果进行验证，提高诊断的精确度。数据回放界面如图10所示。首先需要选择声音文件，然后EANMS系统使用计算机的音箱将声音播放出来。用户也可以直接使用Windows支持的各种播放器进行播放。

图10 数据回放功能界面

4.4 EANMS系统关键机制

为了实现数据采集过程中对数据的采集、保存、显示和分析功能不会相互影响，且能够同步进行，提高处理效率，在EANMS系统功能实现中，采用数据队列的数据同步机制来实现数据的共享。EANMS所有功能所需要的数据都采用数据队列进行后台传输与共享，通过数据采集功能获取的数据实时推动到数据队列中，保证保存、显示和分析功能所使用的数据同步和实时，这种设计方案既能保证采集、分析、保存等功能的同步，又能简化程序的复杂程度，使得程序易读、易维护、易扩展。

EANMS系统包含多种数据，如实时监测数据、声音数据等。实时监测数据的数据源自传感器，发动机的声音信号经过声音传感器而传输至系统内，进而形成实时监测数据包。声音数据作为补充分析数据，在传感器接收声音信号时，声音数据就由此产生，在系统工作过程中，声音信号不会直接参与系统的数据分析，声音数据主要用作数据的回放功能，在当前判断的基础上，有经验的工程师能够通过声音来判断发动机的异响情况。因此，声音数据是对当时的声音进行重放工作。作为系统的重要输入之一的实时监测数据，若将其直接引入系统，则会导致数据流的混乱，并且在功能模块化的基础上，直接导入数据并不容易实现，往往需要采用共享变量、全局变量等参数。但是这样则会使得系统运行效率下降，并且伴随内存占用量的上升。因此引入数据之前，需要对数据进行部分的处理。

5 结束语

本文对一定类型、不同状态下的汽车发动机异响的现象以及常用的诊断方法和诊断技术进行研究。针对不同的异响原因，采用不同的诊断方法进行对比分析。基于虚拟仪器技术，在LabVIEW虚拟仪器开发平台上开发EANMS发动机异响监测系统，该系统采集振动信号和声音信号，对采集到的数据进行时域、频域和趋势分析，使用不同的信号分析方法来实现对发动机异响的故障定位，确定严重程度，以及预测故障的发展趋势。为了充分利用现场工程师积累的经验和知识，该系统除了能够实现对振动信号的采集外，还可以实现对声音信号的采集，并通过对采集声音的回放，在人工诊断的辅助下实现人工诊断和现代诊断两种方法的结合，提高诊断的准确性。对于在发动机监测与诊断领域中提高状态监测与故障诊断水平，提高现代化诊断技术在发动机监测中的应用具有非常重要意义。

对于本文的研究结果，可以对以下几个方面进行更近一步的研究和拓展：

（1）引入更加丰富的信号分析功能，对信号中包含的信息进行更加全面、细致的分析，以便能够对发动机异响实现更精确的诊断。

（2）将神经网络推理、专家系统等技术引入到发动机的异响监测与诊断中来，实现更加准确、快速的异响分析与诊断。

（3）进一步拓展液压核心元件甚至整机的异响监测与诊断。

[1]张建俊.汽车诊断与检测技术[M].北京：人民交通出版社，1995

[2]张成祥.用示波器对发动机异响进行检测与诊断[J].柴油机，2004（02）：47-48.

[3]XIAO JIA.On the Technology of State Monitoring and Fault Diagnosis for Modern Automobiles and Its Developing Orien tation[J].Journal of Yangzhou Polytechnic College，2005.2：p. 013.

[4]蒋玉秀，黄鹏超.矿用自卸车自动润滑系统异常状态智能诊断系统[J].金属矿山，2010（05）：139-141.

[5]梁显华.发动机异响故障诊断[J].公路与汽运，2005（02）：17-19.

[6]刘磊.汽车发动机异响原因分析与判断[J].淮北职业技术学院学报，2012（01）：119-120.

[7]宋立中.发动机异响的特性分析及其故障诊断[J].机械工程师，2004（05）：71-72.

[8]珊瑚.配气机构异声诊断与检修[J].摩托车，2012（04）：30-45.

[9]焦述东.四冲程发动机异响判断[J].摩托车，2012（08）：49.

[10]崔生，柳慧敏.四冲程多缸柴油发动机异响原因及排除方法[J].现代农业科技，2011（14）：28.

[11]陈同.正时齿轮连续打齿故障诊断[J].汽车维修，2012（05）：33-34.

[12]于冬梅，高波，那长沈.发动机连杆轴瓦装配后变形与异响关系分析[J].制造业自动化，2012（23）：52-54.

[13]李金学.汽车发动机异响的听诊[J].内燃机，2004（04）：50 -51.

[14]高群钦，陈安宇.发动机异响故障的模糊专家诊断方法研究[J].小型内燃机与摩托车，2010（01）:28-30.

[15]曹雄涛，杜发荣.基于LabVIEW的柴油机状态监测系统[J].柴油机设计与制造，2006（03）:38-43.

[16]廖传书，韩屏.基于LabVIEW的USB数据采集系统的实现[J].工业控制计算机，2004（07）:23-24.

[17]雷刚，许勇.基于LabVIEW的发动机数据采集系统[J].现代电子技术，2012（14）:140-142.

[18]屠晓东.基于LabVIEW的发动机信号采集与分析系统研发[J].信息通信，2013（01）:55-57.

[19]杨正才，张庆永，邓召文.基于LabVIEW的汽车发动机振动测试系统[J].仪表技术与传感器，2012（01）:33-36.

[20]Roger S.Pressman.Software Engineering-A Practitioner’s Approach[M].The McGraw-Hill Companies，Inc，2001.

[21]Li-chao，X.U.Study of Diagnosis Method for Engine Ab normal Sound Based on Fuzzy Theories[J].Coal Mine Ma chinery，2007（11）：085.

[22]Liu，X.，X.Zhang.Design of System of Conditon Monitor ing and Fault Diagnosis for Air Compressors Based on Lab VIEW[J].Coal Mine Machinery，2011（5）：134.

[23]杨雷，刘畅，伍星.基于LabVIEW的数字信号处理虚拟实验室研究[J].机电产品开发与创新，2011，24（1）：111-112.

Engine Abnormal Noise Monitoring System Based on LabVIEW

YANG Lei
（Yunnan Jiaotong College，Kunming Yunnan 650500，China）

An overview of the technology of virtual instrument and virtual instrument development platform of Lab－VIEW，the abnormal engine of different types and different state of the sound diagnosis causes and diagnostic methods of comparison，artificial diagnosis and diagnosis methods based on modern signal processing，based on the development of LabVIEW engine noise monitoring and diagnosis system，the analysis and diagnosis of abnormal the noise of the engine，and the engine fault diagnosis identification on the running state of engine.

engine abnormal noise；LabVIEW；condition monitoring；fault diagnosis

U472.42

A

1672-545X（2017）06-0054-07

2017-03-26

杨雷（1967-），男，贵州水城人，工学硕士，副教授、高级实验师，研究方向：机械工程设计及运用。