[发明专利]一种基于振动信号的发动机排放物预测方法

权利要求书

1.一种基于振动信号的发动机排放物预测方法，其特征在于，包括发动机排放物预测模型的构建和基于振动信号的排放物预测两部分内容；

其中发动机排放物预测模型的构建具体包括以下步骤：

1）同步采集各种运行工况下的样本数据，所述样本数据包括结构振动数据、缸压数据和发动机排放物数据；

2）对结构振动数据、缸压数据进行滤波预处理；

3）对预处理后的结构振动数据、缸压数据进行由时域到时频域的转换，得到结构振动时频图谱与缸压二阶导时频图谱；

4）对结构振动时频图谱与缸压二阶导时频图谱进行相似性分析，获取两者之间的二维相似性评价结果；

5）对结构振动时频图谱进行区域划分，根据相似性评价结果对不同区域进行权重分配，从经过权重分配的时频图谱每个区域内提取特征值；

6）根据各种运行工况选定的特征值与发动机排放物数据对应关系，进行发动机排放物预测模型的构建；

基于振动信号的排放物预测通过如下方式实现：将采集的发动机结构振动信息进行预处理、时频转换和特征值提取处理，然后将特征值输入已经构建好的发动机排放物预测模型，可以实时预测发动机的排放水平。

2.根据权利要求1所述的一种基于振动信号的发动机排放物预测方法，其特征在于，所述步骤1）中，采集的结构振动数据为缸盖振动数据、缸体振动数据或缸套振动数据。

3.根据权利要求2所述的一种基于振动信号的发动机排放物预测方法，其特征在于，所述步骤2）中，设置滤波器对结构振动数据、缸压数据进行滤波预处理，消除对信号分析造成干扰的高频噪声成分，选用的滤波器类型为FIR滤波器、巴特沃斯滤波器、切比雪夫滤波器、椭圆滤波器或贝塞尔滤波器。

4.根据权利要求3所述的一种基于振动信号的发动机排放物预测方法，其特征在于，所述步骤3）中，使用时频转换算法对预处理后的数据进行由时域到时频域的转换；选用的时频转换算法类型为短时傅里叶变换、连续小波变换、离散小波变换、Gabor变换或S变换。

5.根据权利要求4所述的一种基于振动信号的发动机排放物预测方法，其特征在于，所述步骤4）中,使用矩阵相似性算法对结构振动时频图谱与缸压二阶导时频图谱进行矩阵相似性分析，获取两者之间的二维相似性评价结果，选用的矩阵相似性算法类型为矩阵相关性、尺度不变特征转换或结构相似性。

6.根据权利要求5所述的一种基于振动信号的发动机排放物预测方法，其特征在于，所述步骤5）中，选用的特征值类型有均值、有效值或峰值。

7.根据权利要求6所述的一种基于振动信号的发动机排放物预测方法，其特征在于，所述步骤6）中，对选取的特征值与排放物数据进行线性回归分析，构建发动机排放物预测模型；构建预测模型的算法有多项式回归、岭回归、主成分回归、偏最小二乘回归或神经网络。