發(fā)動機(jī)是汽車重要的組成部分,隨著現(xiàn)代科技水平的日益提高,汽車發(fā)動機(jī)朝著智能化和多功能化方向發(fā)展,其結(jié)構(gòu)越來越復(fù)雜,所需診斷項目越來越多,而傳統(tǒng)依賴人工經(jīng)驗的辦法已逐漸不能滿足更高的診斷需求。因此開展基于異響分析的發(fā)動機(jī)故障成分提取研究及試驗,對發(fā)動機(jī)進(jìn)行在線診斷,及時地消除發(fā)動機(jī)產(chǎn)生的故障,避免發(fā)動機(jī)出現(xiàn)較大的損傷,提高發(fā)動機(jī)的可靠性和使用壽命具有重要的工程意義�；诼曅盘栐\斷發(fā)動機(jī)故障是現(xiàn)代故障診斷的熱門研究方向,具有非接觸性優(yōu)點。其中故障成分的提取是故障診斷過程中的核心問題,直接影響到診斷的準(zhǔn)確性與可靠性。本文在充分總結(jié)國內(nèi)外現(xiàn)狀的基礎(chǔ)上,開展了基于自適應(yīng)性錯位疊加方法（ADSM）的發(fā)動機(jī)故障成分提取研究。ADSM分為三個步驟,首先,建立疊加段和待疊加段中起始疊加點的自動搜尋算法。其次,以起始疊加點為基準(zhǔn)截取異響信號,對不同片段進(jìn)行疊加,消除背景噪聲,提高信噪比。最后,截取疊加信號中包含故障成分主要信息和能量的部分,完成故障成分的分離。以型號為EA211的四沖程發(fā)動機(jī)為研究對象搭建了數(shù)據(jù)采集和處理平臺。該平臺主要由發(fā)動機(jī)、工控機(jī)、聲傳感器、編碼器和數(shù)據(jù)采集卡組成。其中,聲傳感器負(fù)責(zé)... 

【文章來源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１．３發(fā)動機(jī)噪聲組成??Ｆｉｇ．?１．３?Ｔｈｅ?ｃｏｍｐｏｓｉｔｉｏｎ?ｏｆ?ｅｎｇｉｎｅ?ｎｏｉｓｅ??－２?－??

的具體信息。??１．２．３異響信號的時頻分析法??時頻分析是從時間和頻率兩個維度上對信進(jìn)行分析，其前提是建立信號的時頻分??布，即建立一個函數(shù)，該函數(shù)能夠通過時間和頻率兩個域表征信號的能量密度。對時頻??分布進(jìn)行分析，檢測信號在某一時間段內(nèi)的頻率變化［２１，２２］。??（１）短時傅里葉變換（ＳＴＦＴ）??短時傅里葉變換又稱為加窗傅里葉變換，是Ｇａｂｏｒ于上個世紀(jì)４０年代對傳統(tǒng)傅里??葉變換改進(jìn)的一種算法，該方法具有時頻局部化的功能和線性變換的特點［２３］。ＳＴＦＴ的??基本思想如圖１．４所示，在傅里葉變換的基函數(shù)之前乘以一個時間窗函數(shù)，利用窗函數(shù)??對信號進(jìn)行時間局部化，并且假設(shè)分段內(nèi)的信號是平穩(wěn)的線性信號，利用傅里葉變換對??加窗部分進(jìn)行處理。ＳＴＦＴ通過窗函數(shù)的平移覆蓋整個時間軸，進(jìn)而獲得信號頻率分量??分布的情況。ＳＴＦＴ能對緩慢變化的非穩(wěn)態(tài)信號進(jìn)行一定的分析，但從本質(zhì)上來說，ＳＴＦＴ??仍然是一種線性平穩(wěn)信號的處理分析方法。在對信號截斷時，所選的窗函數(shù)不僅要有較??好的時頻特性，還要滿足所造成的泄露少的要求。常用的窗函數(shù)主要有矩形窗、三角窗、??哈明窗、漢寧窗、高斯窗等［２４］。但是ＳＴＦＴ也存在著固有的局限性，即當(dāng)窗函數(shù)選定后，??時間域的分辨率也隨之確定，因此ＳＴＦＴ很難對有瞬時突變的信號進(jìn)行分析［２５］。??ｘ（ｒ）??ｘ（?ｒ）Ｒ（?ｒ－ｔＡ＾＼ｘ（?ｔ）Ｒ（?ｒ－ｔ２ｙ＾）Ｒ｛?＾－ｈ）??〇?ｔ＼?２?’ｐ?ｒ?????｜－－ｆ｜ｒ??＼?［－－－Ｆ；Ｔ??＼?—ｆ—Ｆ｜Ｔ?１?；?Ｉ??〇＼?ｈ?ｈ?ｈ￣＾??圖１．４?ＳＴＦＴ的變換原理??Ｆｉｇ．?１．４?ＳＴＦ

ＴＦＴ局部變化的思想。但是與ＳＴＦＴ不同的是，小波變換可以通過伸??縮和平移改變時域分析窗的形狀，在高頻處采用短窗以獲得良好的時域分辨率，而在低??頻采用長窗以獲得良好的頻域分辨率Ｍ。小波變換的這種性質(zhì)能夠滿足對隨時間變化的??復(fù)雜頻率成分的信號進(jìn)行時頻分析的要求，適合探測和展示機(jī)械設(shè)備中產(chǎn)生的沖擊噪聲??的瞬態(tài)反常部分。因此小波分析一直是近幾年機(jī)械故障診斷領(lǐng)域研宄的熱門方向。??使用小波分析信號時需要對信號進(jìn)行重構(gòu)，即對被分解的不同層次的分離信號進(jìn)行??重新構(gòu)造，得到目標(biāo)信號。例如圖１．５中，目標(biāo)信號Ｘ可以被描述為ｃＡ３，?ｃＤ３，?ｃＤ２與??ｃＤｉ之和。實際工程中，信號的低頻部分往往是最重要的，而高頻部分只起到一個修飾??作用，因此處理實際信號時，常常去掉高頻噪聲，用低頻部分構(gòu)造的信號近似代替目標(biāo)??信號進(jìn)行分析。然而，不同的小波基具有不同的性質(zhì)和應(yīng)用范圍，應(yīng)用到相同的問題會??產(chǎn)生不同的結(jié)果，要想用小波分析得到理想的結(jié)果，需要選擇合適的小波基，而目前針??對小波基選擇的問題還是通過試算的方式來確定，尚未行成成熟的理論指導(dǎo)［２７］。??Ｘ??Ｉ???ｉ?１???ｃＡ，?ｃＤ］??Ｉ?￣??Ｃ?Ｃ〇２??￣￣ｃＡ，為第ｉ層分解的近似分量??ｃＤ，為第；層分解的細(xì)節(jié)分量??圖１．５小波分解樹??Ｆｉｇ．?１．５?Ｗａｖｅｌｅｔ?ｄｅｃｏｍｐｏｓｉｔｉｏｎ?ｔｒｅｅ??（４）經(jīng)驗?zāi)B(tài)分解法（ＥＭＤ）??經(jīng)驗?zāi)B(tài)分解（ＥＭＤ）是由ＨｕａｎｇＰ］提出的用于處理非平穩(wěn)信號的一種方法。該方??法從本質(zhì)上來說是對信號進(jìn)行平穩(wěn)化處理，使信號從不同尺度的波動和趨勢逐級分開，??得到一組具有不同特征尺度的數(shù)


本文編號：3116294