[发明专利]一种基于EWT-SCWT的内燃机异响识别与诊断方法

说明书

本发明公开了一种基于EWT‑SCWT的内燃机异响识别与诊断方法，能准确提取内燃机激励输入与异响输出信号的时频相关细节特征、定位识别异响辐射部位以及进一步诊断内燃机异响产生的原因，其中改进的EWT方法不仅能避免模式混叠、端点效应现象，而且能从噪声环境中准确提取内燃机异响信号特征分量，提高信号分离的可靠性；EWT‑SCWT方法能很好地消除交叉干扰项以及激励输入与异响输出分量中的噪声成分，精确提取两者之间时频局部化信息的相关特征，进一步提高对内燃机异响的识别与诊断能力。

技术领域

本发明涉及内燃机故障诊断技术，特别是一种基于EWT-SCWT的内燃机异响识别与诊断方法。

背景技术

内燃机作为典型的往复-旋转运动相互转换的动力机械，由于振动激励源多，传递路径复杂，运动部件多，致使其动力学响应特性复杂。当某些零部件如活塞、连杆、曲轴、正时齿轮以及气门等由于磨损、配合间隙增大、零件松动、刚度薄弱等原因，受内燃机转速、负荷、温度及润滑等影响因素，会影响内燃机的激励特性和传递特性，致使其产生活塞敲缸异响、曲轴主轴承与连杆轴承异响、齿轮室及气门异响、结构共振异响等异响。因此，内燃机异响信号中蕴含着大量关键零部件运行状态的信息，通过对内燃机异响进行定位识别与多信息诊断分析，可以明确内燃机异响产生部位、了解其运行状态，并对其进行状态监测及故障诊断。相比人工听诊法、时域状态参数统计法、频域分析法等内燃机异响识别与诊断传统方法，基于现代信号处理技术的时频综合分析法更适用于内燃机非平稳、非线性时变振声信号的时频域局部化信息特征提取，能消除其他噪声干扰，提高对异响的检测与辨识能力。目前，基于内燃机异响识别与诊断的时频综合分析法主要有集总平均经验模式分解方法(Ensemble Empirical Mode Decomposition，EEMD)、变分模态分解方法(VariationalMode Decomposition，VMD)、经验小波变换(Empirical Wavelet Transform，EWT)等理论方法。EEMD方法存在由于每次经验模式分解产生的本征模分量(Intrinsic Mode Function，IMF)个数不同导致的较大平均误差以及由于增大集成次数导致的较大计算量等问题，尤其在噪声环境中提取有用信号分量时效果不理想。VMD方法由于需要预设分解数，而当噪声复杂多变以及噪声分量较多时，存在难以确定分解数与声源分离精度低等缺点。基于小波变换和窄带信号分析理论的EWT方法的提出，不仅避免了模态混叠、端点效应问题，而且能从噪声环境中自适应分解各个本征模分量，一方面提高了信噪比和信号分离的可靠性，另一方面降低了计算复杂度从而提高了计算速度。同时，为有效提取内燃机异响信号经EWT分解所得本征模分量，需根据内燃机噪声信号的先验知识，合理确定异响信号分解滤波器组的频率边界和模态数；采用后处理方法去除信号中的伪本征模分量。为了解决上述问题，河南工业大学的胡毅伟等提出了一种基于包络分析的阈值分割修整方法来确定EWT的模态数和频率边界，使得信号的频谱分割更简便、可靠，实现了对早期发动机转子故障特征的准确提取。火箭军工程大学的范宇等提出了利用EWT方法对分解出的内燃机振动信号的本征模分量进行小波阈值降噪再进行同步压缩小波时频特征提取，提高了信号时频分辨率。

综上所述，从基于时变非平稳特性、非线性的内燃机异响信号出发，本发明专利提出了一种基于EWT-SCWT的内燃机异响识别与诊断方法，将改进的EWT方法、同步压缩-交叉小波变换(Synchrosqueezed-Cross Wavelet Transforms，SCWT)相结合，分离与识别内燃机异响信号、提取异响时频特征信息；定位异响辐射部位、分析异响与激励相关特性，进一步诊断异响产生原因。

发明内容

针对现有技术中存在的问题，本发明提供了一种能准确提取内燃机激励输入与异响输出信号的时频相关细节特征、定位识别异响辐射部位以及进一步诊断内燃机异响产生的原因，能从噪声环境中准确提取内燃机异响信号特征分量，提高信号分离的可靠性；能很好地消除交叉干扰项以及激励输入与异响输出分量中的噪声成分，精确提取两者之间时频局部化信息的相关特征，进一步提高对内燃机异响的识别与诊断能力的基于EWT-SCWT的内燃机异响识别与诊断方法。

本发明的目的通过以下技术方案实现。