柯赟，胡以怀，蒋佳炜，Elijah Munyao，陈彦臻

（上海海事大学商船学院，上海 201306）

0 引言

柴油机广泛使用在石油、电力、工程机械等领域中，其复杂的结构与恶劣的工作条件增加了故障的可能性。为了尽量减少柴油发动机的经济损失，柴油发动机需要时刻监控与实时维修。在机械设备发生故障时，每个输出信号的范围因故障点和故障程度而异。柴油发动机的故障分为零部件故障和工作过程故障，其中气阀间隙故障占柴油机故障比例高达15%[1]。气阀间隙故障导致了阀门时间的变化，使气缸空气质量受到严重影响，导致了燃烧恶化。由于气缸压力的波动，柴油机气缸直接受到气阀间隙的影响，这就提供了关于柴油发动机状态的有用信息。在此基础上，对柴油发动机气门的异常进行了研究，并在不同的条件下测量了柴油发动机气缸头的所有振动。因此，本文利用小波包-AR谱提取频带能量的方法进行信号分析，将振动信号分解到相互独立的频带内，各频带内的能量可以反映设备的状态信息[2]，再利用多核映射的支持向量机对特征量进行分类，实现气阀间隙异常故障模式的识别。

1 小波包-AR谱故障特征提取

1.1 小波包变换

多分辨率分析中，L2(R)=J⊕∈ZWJ按照不同的尺度J把Hilbert空间L2(R)分解为所有子空间WJ(J∈Z)的直和[3]。多分辨率空间VJ被分解为较低分辨率的空间VJ+1与细节空间WJ+1，即将VJ的正交基{φJ(t-2Jk)}k∈Z分割为两个新正交基： VJ+1的正交基 {φJ+1(t-2J+1k)}k∈Z和 WJ+1的正交基{φJ+1(t-2J+1k)}k∈Z。小波包变换实现了对未分解的WJ进一步分解。

1.2 AR谱估计

功率谱估计是频域分析随机信号的方法，小波包信号处理方法难以得到准确的结果，AR谱估计因其谱峰尖锐，频率定位准确，易反映功率谱中的峰值信息[4]，是应用最广泛的一种方法。……