[发明专利]一种基于多传感器模糊评估的发动机气缸故障预测方法

说明书

本发明涉及一种基于多传感器模糊评估的发动机气缸故障预测方法，包括：获取发动机工作时的振动信号及气缸的上止点位置信号；对振动信号进行变分模态分解，对影响变分模态分解的参数进行优化，基于优化后的影响参数对振动信号进行变分模态分解，输出最佳振动信号；确定气缸的一个工作周期；确定气缸的三个振动阶段；找出三个振动阶段中气缸缸盖振动的峰值，根据最佳振动信号计算缸盖振动的有效值；将缸盖振动的峰值，缸盖振动的有效值作为指标因素，根据指标因素对气缸的健康状态进行模糊综合评估。本方法通过避免噪声信号对振动信号的影响，进而避免影响发动机故障的结果，提高了诊断结果的准确性，能对气缸性能全面评估，实用性强，值得推广。

技术领域

本发明涉及发动机故障诊断技术领域，特别涉及一种基于多传感器模糊评估的发动机气缸故障预测方法。

背景技术

国内外针对航空发动机气缸状态监测及故障诊断技术已开展了广泛的研究，总体上分为基于部件模型的故障诊断方法和基于数据驱动的故障诊断方法两大类。

基于部件模型的故障诊断方法受制于模型准确度、部件特性、多状态非线性耦合等因素，导致对发动机性能参数估计与故障诊断会出现偏差；而基于数据驱动的故障诊断方法则不用考虑发动机部件特性、非线性耦合等，但其往往会受制于试验数据样本量有限、机载测试参数偏少等限制因素。

现有技术中利用变分模态分解的方法对故障进行诊断时，由于振动信号受噪声信号的影响，直接根据振动信号求取缸盖振动的峰值，缸盖振动的有效值，其结果会影响对发动机气缸故障的诊断，进而会导致对发动机性能估计不全面、对故障检测的漏诊的问题，综上，需要提供一种基于多传感器模糊评估的发动机气缸故障预测方法予以解决上述问题。

发明内容

本发明的目的是提供一种基于多传感器模糊评估的发动机气缸故障预测方法，在于现有技术中心的振动信号受噪声信号的影响，直接根据振动信号求取缸盖振动的峰值，缸盖振动的有效值，其结果会影响对发动机气缸故障的诊断，进而会导致对发动机性能估计不全面、对故障检测的漏诊的问题。

本发明提供了一种基于多传感器模糊评估的发动机气缸故障预测方法，包括：

包括：

实时获取发动机工作时的振动信号、其中一个气缸的上止点位置信号；

对所述振动信号进行变分模态分解，基于粒子群算法对影响变分模态分解的影响参数K和α进行优化，获取最佳影响参数K和α，基于最佳影响参数K和α对振动信号进行变分模态分解，输出最佳振动信号；

根据所述一个气缸的上止点位置信号确定出气缸的一个工作周期；

根据所述气缸的工作周期，确定气缸的三个振动阶段；

利用冒泡法找出三个振动阶段中气缸缸盖振动的峰值，根据最佳振动信号计算缸盖振动的有效值；

将缸盖振动的峰值，缸盖振动的有效值作为指标因素，根据指标因素对柴油机气缸系统的健康状态进行模糊综合评估。

优选地，对所述振动信号进行变分模态分解，基于粒子群算法对影响变分模态分解的影响参数K和α进行优化，获取最佳影响参数K和α的方法为：

对振动信号进行变分模态分解，获取多个IMF分量信号；

对多个IMF分量信号进行包络谱分析，获取每个IMF分量信号的对应的包络熵值；

根据每个IMF分量信号对应的包络熵值确定所有IMF分量信号中的全局极小熵值；

根据全局极小熵值输出对应的影响参数数K和α，对应的影响参数数K和α即为最佳影响参数。

优选地，对多个IMF分量信号进行包络谱分析，获取每个IMF分量信号对应的包络熵值的方法为：