賈繼德
(軍事交通學(xué)院汽車工程系,天津 300161)
磨損會(huì)導(dǎo)致發(fā)動(dòng)機(jī)各運(yùn)動(dòng)副配合間隙增大,引起非正常的振動(dòng)沖擊,并由此激發(fā)出異常響聲。常見的發(fā)動(dòng)機(jī)異響故障主要包括曲軸軸承、連桿軸承、活塞銷、氣缸、氣門和挺桿的異響等。由于發(fā)動(dòng)機(jī)異響信號(hào)具有非平穩(wěn)、非高斯和非線性特點(diǎn),所以一直是發(fā)動(dòng)機(jī)故障診斷中的難點(diǎn)[1]。
許多學(xué)者在發(fā)動(dòng)機(jī)異響故障診斷方面進(jìn)行了研究,主要通過(guò)功率譜[2]、小波變換[3]、時(shí)頻分布[4]等方法比較發(fā)動(dòng)機(jī)正常與故障狀態(tài)下振動(dòng)信號(hào)的差異,實(shí)現(xiàn)故障特征提取和故障診斷。
由于基于直角坐標(biāo)表示的時(shí)域、頻域或時(shí)頻域圖形對(duì)于故障特征表現(xiàn)不太直觀,在工程實(shí)踐中不便于理解,因此一種對(duì)稱極坐標(biāo)方法被提出并應(yīng)用于故障可視化診斷[5-7]。它是將信號(hào)的時(shí)域波形通過(guò)相應(yīng)的計(jì)算公式,變換為由鏡像對(duì)稱點(diǎn)組成的雪花狀圖形。該方法能突出圖形間的差異性,因而表現(xiàn)更直觀。然而,大量的試驗(yàn)發(fā)現(xiàn),發(fā)動(dòng)機(jī)振動(dòng)信號(hào)成分復(fù)雜,并伴有強(qiáng)烈的背景噪聲,直接采用對(duì)稱極坐標(biāo)方法可視化效果并不十分理想。
據(jù)此,本文中提出一種小波對(duì)稱極坐標(biāo)分析方法。對(duì)測(cè)取的發(fā)動(dòng)機(jī)振動(dòng)信號(hào)進(jìn)行連續(xù)小波變換,通過(guò)小波系數(shù)的自相關(guān)降噪處理提取信號(hào)特征,將信號(hào)特征用對(duì)稱極坐標(biāo)方法進(jìn)行可視化表示與分析。通過(guò)實(shí)例進(jìn)行仿真信號(hào)分析的結(jié)果表明,該方法可有效地衰減振動(dòng)信號(hào)中的噪聲干擾,提取故障特征,突出發(fā)動(dòng)機(jī)不同異響故障圖形的差異,并提高可視化監(jiān)測(cè)診斷效果。
信號(hào)x(t)的連續(xù)小波變換[3]為
研究分析表明,當(dāng)利用Morlet小波基函數(shù)對(duì)信號(hào)進(jìn)行分析時(shí),采用具有相同中心頻率、不同帶寬的小波分析得到的多個(gè)小波系數(shù)之間具有極大的相關(guān)性,而信號(hào)中的噪聲相干性較低[8]。因此利用小波系數(shù)之間的這種相關(guān)特性可以有效地抑制噪聲,從而增強(qiáng)信號(hào)。設(shè)兩個(gè)小波系數(shù) W1(f,b)、W2(f,b),其相關(guān)系數(shù) C(f,b)[8]為
定義|C(f,b)|2為小波相關(guān)系數(shù)的時(shí)頻能量,它能反映信號(hào)能量的時(shí)頻分布和信號(hào)的組成特征。
對(duì)于離散數(shù)據(jù)序列,i時(shí)刻的數(shù)值為xi,i+L時(shí)刻的數(shù)值為x(i+L),通過(guò)以下公式轉(zhuǎn)變?yōu)闃O坐標(biāo)表示[5]:
在極坐標(biāo)空間P中,參數(shù)θ、g、L選取非常重要。通過(guò)大量的試驗(yàn)[6]證明,θ取 60°較好,g應(yīng)小于 θ,L值范圍在1~10較佳。
發(fā)動(dòng)機(jī)信號(hào)具有瞬態(tài)沖擊的特點(diǎn),選取一個(gè)諧波信號(hào)調(diào)制一個(gè)指數(shù)衰減的脈沖信號(hào)來(lái)仿真發(fā)動(dòng)機(jī)故障信號(hào),仿真信號(hào)的表達(dá)式為
式中:q(t)=1+0.2cos(0.12π(t-2k));h(t)=exp(-0.1(10π(t-2k))2)·cos(20π(t-2k));采樣頻率為200Hz,采樣時(shí)間長(zhǎng)度為20s。
仿真信號(hào)的時(shí)域波形、小波變換及小波降噪后的圖形如圖1所示。由于噪聲的干擾從時(shí)域波形上不能發(fā)現(xiàn)仿真信號(hào)有價(jià)值的信息,如圖1(a)所示;通過(guò)小波變換后從時(shí)頻空間能發(fā)現(xiàn)信號(hào)是周期性的脈沖信號(hào),但時(shí)頻分布圖仍然有顯著的噪聲干擾,如圖1(b)所示;通過(guò)小波系數(shù)自相關(guān)降噪處理,實(shí)現(xiàn)了信號(hào)特征提取,如圖1(c)所示。
將以上3種不同狀態(tài)信號(hào)用對(duì)稱極坐標(biāo)進(jìn)行表示,如圖2所示??梢钥闯?,小波降噪后的信號(hào)極坐標(biāo)表示最為清晰,如圖2(c)所示。
在某型汽油機(jī)上進(jìn)行試驗(yàn)。振動(dòng)傳感器分別安裝于發(fā)動(dòng)機(jī)機(jī)體靠近各異響的部位,振動(dòng)信號(hào)的采樣頻率為30kHz,每個(gè)信號(hào)長(zhǎng)度為20 480點(diǎn)。常見異響故障的設(shè)置如表1所示。
表1 發(fā)動(dòng)機(jī)異響故障設(shè)置
故障間隙按該發(fā)動(dòng)機(jī)達(dá)到嚴(yán)重磨損時(shí)可能出現(xiàn)的配合間隙設(shè)置。
測(cè)取發(fā)動(dòng)機(jī)不同磨損狀態(tài)下的振動(dòng)信號(hào),通過(guò)小波降噪得到信號(hào)的時(shí)頻分布圖,如圖3所示。由于各種異響特征差異性較小,要對(duì)其進(jìn)行區(qū)分,必須仔細(xì)對(duì)比各幅圖,因此非常繁瑣。
對(duì)于小波降噪后的信號(hào)進(jìn)一步用對(duì)稱極坐標(biāo)進(jìn)行表示,如圖4所示。
由圖4可見,在缸蓋處同一測(cè)點(diǎn)位置,發(fā)動(dòng)機(jī)正常工作與氣門和氣門挺桿響所表現(xiàn)的圖形有較大差異;在缸體上部同一測(cè)點(diǎn)位置,發(fā)動(dòng)機(jī)正常工作與活塞銷響和氣缸響的圖形有較大差異;在缸體下部同一測(cè)點(diǎn)位置,發(fā)動(dòng)機(jī)正常工作與連桿軸承響和曲軸軸承響的圖形也有較大差異。并且,發(fā)動(dòng)機(jī)正常工作在3個(gè)不同測(cè)點(diǎn)位置時(shí)信號(hào)的圖形也不同。
(1)提出了一種小波對(duì)稱極坐標(biāo)分析方法。通過(guò)實(shí)例進(jìn)行仿真信號(hào)分析的結(jié)果表明,該方法可有效地去除隨機(jī)噪聲干擾,凸顯信號(hào)特征,有助于故障的特征提取。
(2)在工程應(yīng)用中,可通過(guò)大量的試驗(yàn),建立發(fā)動(dòng)機(jī)異響故障標(biāo)準(zhǔn)圖形樣本庫(kù)。通過(guò)對(duì)采集的發(fā)動(dòng)機(jī)響聲極坐標(biāo)圖形與標(biāo)準(zhǔn)樣本庫(kù)中圖形進(jìn)行比對(duì),實(shí)現(xiàn)診斷發(fā)動(dòng)機(jī)異響故障的目的。
[1] 賈繼德,陳容剛,邱峰,等.內(nèi)燃機(jī)故障信號(hào)特性分析及診斷策略[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2005,36(12):39 -42.
[2] 賈繼德,孔凡讓,姜斯平.應(yīng)用振動(dòng)信號(hào)診斷汽油機(jī)磨損故障[J].汽車工程,2002,24(2):149 -163.
[3] 臧玉萍,張德江,王維正.基于小波變換技術(shù)的發(fā)動(dòng)機(jī)異響故障診斷[J].機(jī)械工程學(xué)報(bào),2009,45(6):239 -245.
[4] 鄭海波,李志遠(yuǎn),陳心昭,等.基于時(shí)頻分布的發(fā)動(dòng)機(jī)異響特征分析及故障診斷研究[J].內(nèi)燃機(jī)學(xué)報(bào),2002,20(3):267 -272.
[5] Shibata K,Takahashi A,Shirai T.Fault Diagnosis of Rotating Machinery Through Visualization of Sound Signals[J].Mechanical Systems and Signal Processing,2000,14(2):229 -241.
[6] Delvecchio S,D'Elia G,Mucchi E,et al.Advanced Signal Processing Tools for the Vibratory Surveillance of Assembly Faults in Diesel Engine Cold Tests[J].ASME Journal of Vibration and A-coustics,2010,132:1 -10.
[7] Wua Jianda,Chuangb Chaoqin.Fault Diagnosis of Internal Combustion Engines Using Visual Dot Patterns of Acoustic and Vibration Signals[J].NDT Int.,2005,38(8):605 -614.
[8] 景國(guó)璽,郝志勇,徐紅梅.內(nèi)燃機(jī)噪聲源識(shí)別的小波相關(guān)系數(shù)方法研究[J].浙江大學(xué)學(xué)報(bào)(工學(xué)版),2008,42(10):1775 -1778.