[发明专利]一种基于EFD-SST的内燃机燃烧噪声识别技术

说明书

本发明公开了一种基于EFD‑SST的内燃机燃烧噪声识别技术，属于内燃机技术领域，所述内燃机燃烧噪声识别技术包括以下步骤：步骤S1：分别测试内燃机的标况和倒拖工况的整机5点噪声信号，所述标况为2000r/min，所述倒拖工况为2000r/min；步骤S2：机械噪声与燃烧噪声分离，利用倒拖法进行噪声分离。本发明中，通过测试内燃机噪声数据，利用倒拖法完成机械噪声与燃烧噪声的分离，采用经验傅里叶分解EFD‑同步小波压缩变换SST对燃烧噪声信号进行分解，进而分析燃烧噪声的内部机理，提高内燃机燃烧噪声识别的精度和效率，为内燃机燃烧噪声的控制提供更为精确有效的指导。

技术领域

本发明属于内燃机技术领域，尤其涉及一种基于EFD-SST的内燃机燃烧噪声识别技术。

背景技术

内燃机噪声分机械噪声、空气动力性噪声和燃烧噪声。燃烧噪声对内燃机整机噪声的贡献是占有重要地位的，因此，随着内燃机技术的进步，对燃烧噪声的研究逐渐深入。通常把燃料在气缸内燃烧时使缸内压力急剧上升产生的动载荷和冲击波引起的高频振动经气缸盖、气缸套、活塞—连杆—曲轴及主轴承传至机体以及通过气缸盖等引起内燃机结构表面振动而辐射出来的这部分噪声称为燃烧噪声。

汽油机正常燃烧时，燃烧噪声在内燃机总噪声中占比例较小，但在爆燃和表面点火等不正常燃烧时所产生的噪声却必须给予重视。当爆燃时，气缸内的气体压力急剧上升，能产生4000Hz～6000Hz的高频爆燃噪声。对于压缩比高的汽油机，由于积炭多，产生过热，引起表面点火，从而导致缸内压力剧增，这样就会产生频率为500Hz～ 2000Hz的噪声。然而，对于正常生产和使用的汽油内燃机，只要汽油牌号选用合适，点火提前角适当，爆燃噪声是能够避免的；对于表面点火现象，只要清除燃烧室积炭即可消除。因此，对内燃机燃烧噪声的内部机理进行识别能够为了解燃烧噪声特性和降低燃烧噪声提供全面的技术支撑。

由于机械噪声和燃烧噪声都发生于内燃机内部并经内燃机结构表面向外辐射，两者在发生的时间、空间、传播的途径和信号的基本频域特征方面都交织在一起，如何识别和分离这两类噪声十分重要。目前国内采用较多的是分别运行法和盲源分离技术等，盲源分离技术得到的分离结果常常只是波形和原信号相似，幅值信息常常是没有意义的。

针对于信号分解的研究，有学者提出了经验模态分解EMD，将时频分析带入了一个新的高度，经验模态分解算法本质上是将信号进行平稳化的处理，将信号分解成能够方便分析的本征模函数IMF。但EMD 在信号分解过程中会出现模态混叠和端点效应的问题，对分离的噪声特征产生较大的干扰。又有学者提出了变分模态分解VMD，算法基于信号理论基础，能够将信号自适应按照频域进行划分。VMD相比于传统的EMD方法，有较好的噪声鲁棒性，能够有效地避免模态混叠问题。但是VMD进行信号处理前需要预设参数，如果参数选择不准确会使信号分解产生干扰信号，导致特征提取错误。

目前，在内燃机信号分析中常用的线性时频分析方法有短时傅里叶变换STFT和连续小波变换CWT，STFT由于应用固定窗函数，所以始终无法解决时间和频率分辨率的矛盾。CWT采用灵活窗窗函数大小不变而形状变化，高频处窗长较小，能够提供较高的时域分辨率，低频处窗长较大，能够提供较高的频率分辨率，但其时频分辨率受 Heisenberg不确定性的限制，不能同时达到最优。

现有技术中，燃烧噪声产生的内部机理包括气缸内的压力剧变、气体的高频振动以及气体压力振动激励等，目前采用信号处理技术进行内燃机燃烧噪声识别，识别效率较低，分离效果较差。针对上述问题，提出一种基于EFD-SST的内燃机燃烧噪声识别技术来提高识别的精度和效率，为内燃机燃烧噪声的控制提供更为精确有效的指导。

发明内容

本发明的目的在于：为了解决现有技术中，燃烧噪声产生的内部机理包括气缸内的压力剧变、气体的高频振动以及气体压力振动激励等，针对目前采用信号处理技术进行内燃机燃烧噪声识别，识别效率较低，分离效果较差的问题，而提出的一种基于EFD-SST的内燃机燃烧噪声识别技术。

为了实现上述目的，本发明采用了如下技术方案：