[发明专利]一种基于CEEMD和改进层次离散熵的共轨喷油器故障诊断方法

说明书

本发明的目的在于提供一种基于CEEMD和改进层次离散熵的共轨喷油器故障诊断方法，首先利用CEEMD对燃油压力信号进行自适应分解，并通过相关系数剔除冗余分量，重构有效燃油压力信号。然后计算重构信号的改进层次离散熵，以改进层次离散熵作为故障特征输入LSSVM多分类器，从而实现共轨喷油器故障诊断。本发明适用于强噪声干扰的现场工业环境下的共轨喷油器故障诊断，具有故障诊断准确率高和抗干扰性强的优点。

技术领域

本发明涉及的是一种柴油机控制方法，具体地说是柴油机喷油控制方法。

背景技术

随着科学技术的飞速发展，能源危机和环境问题也越来越严峻，高压共轨柴油机正是为了缓解这个问题而研发问世的。随着高压共轨柴油机数量激增，它的故障诊断与维修问题成为难以忽视的难题。日本船东协会轮机管理研究会调查表明，喷油器故障率占高压共轨柴油机故障的17.1％，喷油器故障导致柴油机燃烧恶化、动力性能、经济性能和可靠性能下降，有害排放物增多。因此，如何准确地识别喷油器故障是亟待解决的问题。

喷油器工作状态信息能通过共轨管燃油压力波来体现，但燃油压力波是非线性和非平稳信号，为了同时提取时域与频域信息，需要应用联合时频分析方法进行故障检测。EMD分解是Huang等提出的一种时频分析方法，在故障诊断领域应用广泛，但EMD本身存在一些不足，如模式混叠、端点效应、停止条件等。针对EMD固有缺陷，Yeh等提出了一种补充的总体平均经验模态分解(Complementary Ensemble Empirical Mode Decomposition，CEEMD)，CEEMD通过在原信号中加入成对正、负交替的辅助白噪声，消除残余噪声。与EMD相比，CEEMD更稳定，避免了模态混合问题，通过加入正负交替的辅助噪声对，CEEMD还可以降低剩余噪声，提高计算效率。

经过滤波处理后，如何有效地提取喷油器微弱故障特征成为实现喷油器微弱故障的关键。熵是度量时间序列不确定度和动态特征的最有效的工具之一，正因这样的优点，各种各样的信息熵方法被应用于故障诊断，例如样本熵，模糊熵和离散熵等。样本熵克服了近似熵中模板自身匹配的问题，具有抗干扰能力强和在参数大取值范围内一致性好等特点。但由于它是基于单位阶跃函数来定义向量相似性，因此无法准确的定义输入类别。于是，陈伟婷等为了克服样本熵的缺陷,提出了模糊熵的概念，但模糊熵计算相对较复杂，影响计算效率。Azami为了缓解样本熵与模糊熵等方法各自的缺点，提出了离散熵(DispersionEntropy,DE)。对于样本熵和模糊熵而言，离散熵的计算效率更高而且抗干扰性更强。为了确保信息度量的完整性和准确度，Azami在DE的基础上，提出了多尺度离散熵(Multi-ScaleDispersion Entropy,MDE)。但是多尺度离散熵仅考虑时间序列的低频成分，忽略了时间序列的高频部分，基于此，宋恩哲等提出了一种基于层次分析和离散熵的层次离散熵(Hierarchical Discrete Entropy,HDE),该方法既能考虑原始序列的高频与低频分量，又能提高抗干扰性和信号带宽变化灵敏度。然而，HDE随着分解层数k的增加，时间序列会缩短，导致统计可靠性降低，而且HDE对于信号长度有一定限制，降低了HDE算法的通用性。

发明内容

本发明的目的在于提供不仅克服了HDE的缺陷，而且能提供给定时间序列的不规则性和不确定性的综合评估，解决了复杂的工况和噪声环境下共轨喷油器故障诊断精度低的问题的一种基于CEEMD和改进层次离散熵的共轨喷油器故障诊断方法。

本发明的目的是这样实现的：

本发明一种基于CEEMD和改进层次离散熵的共轨喷油器故障诊断方法，其特征是：

(1)通过安装在高压油管的压力传感器采集高压油管压力波动信号，并将采集的压力信号分为训练信号和测试信号；

(2)使用CEEMD算法对压力信号进行滤波处理，通过相关系数剔除冗余分量，重构压力信号；

(3)计算重构压力信号的改进层次离散熵，以IHDE作为燃油压力信号故障特征；