发动机声-振多信息融合诊断设备及故障诊断方法技术

本发明专利技术涉及一种发动机声

【技术实现步骤摘要】
发动机声
‑
振多信息融合诊断设备及故障诊断方法


[0001]本专利技术涉及一种车辆故障诊断技术，特别涉及一种运用于现场诊断的发动机声
‑
振多信息融合诊断设备及故障诊断方法。

技术介绍

[0002]作为车辆动力系统的核心，发动机主要作用是为车辆提供形式所需要的机械能量。发动机系统故障也是车辆动力系统故障的主要组成部分。其中，尤其以发动机异响类故障为主，占客户抱怨的主要部分。由于发动机系统结构复杂，附件数量多，且运行过程中，其噪声包含机械组件噪声、流体力学噪声、燃烧噪声等多个组成部分。故其故障存在形式多样性，来源广泛，产生机理复杂。
[0003]现阶段，在现场维修环节中，针对发动机的异响故障通常包含不依赖仪器设备的主观评价方法或使用数据采集设备的客观评价方法进行，前者通过故障检修人员的听觉对其异响进行主观判断。此方法操作简单，无需依赖任何设备，且对具有明显特征的异响故障(如严重的发动机缺缸抖动，严重的机械干涉噪声等)，有良好的辨识精度。而该方法对检修人员的技术水平要求较高。难以形成一套可进行客观量化的发动机异响故障辨识方法与流程。也难以在理论层面上对发动机的异响故障来源进行分析。
[0004]后者使用数据采集设备(如音频录制设备、加速度采集设备等)对故障发动机的声
‑
振特征进行采集，从而对发动机故障数据进行客观分析。然而现阶段，此类设备通常独立采集声
‑
振特性与其他发动机参数(如转速等)，故障判定也通常采用阈值判定等方法。故仅可从表象上判定发动机是否有故障(如指定阶次是否振动超限，工作噪声是否超限等)难以综合分析故障发动机声
‑
振多维度的数据信息与之间的相关性，异响故障来源的判定也较为原始(通常仅通过单一声
‑
振阶次查表法进行)，缺少对非稳态信号类故障(如间歇性故障，气动类元件故障)及外界干扰进行处理与区分的能力。

技术实现思路

[0005]针对现在发动机故障判定存在的问题，提出了一种发动机声
‑
振多信息融合诊断设备及故障诊断方法。
[0006]本专利技术的技术方案为：一种发动机声
‑
振多信息融合诊断设备，包含声学测量模块、振动测量模块、数据采集模块、数据运算分析模块和交互显示模块；声学测量模块和振动测量模块安装于发动机侧端机体上，现场采集发动机噪声信号和振动信号送数据采集模块；
[0007]数据采集模块采集声学测量模块、振动测量模块输出的实时发动机噪声信号和振动信号以及发动机转速传感器信号检测的实时转速信号，处理信号后送数据运算分析模块；
[0008]数据运算分析模块：根据数据采集模块送来的数据进行运算分析，输出故障类别和故障信息判定，送交互显示模块，与检测工作人员进行信息交互。
[0009]一种发动机声
‑
振多信息融合诊断设备中数据运算分析模块建立方法，具体包括如下步骤：
[0010]1)背景噪音测定：声学测量模块安装于发动机侧端机体上，发动机未启动的环境下，通过对背景噪声时域数据进行采集，随后通过时频域转换方法，将背景噪声时域数据转换为频域，并对其频域特征进行提取；
[0011]2)发动机的声学时域数据提取：发电机启动，声学测量模块收集发动机的声学时域数据，并结合步骤1)获取的背景噪声频域特征，运用滤波消噪算法获取有效发动机声学数据；
[0012]3)发动机声
‑
振信息预处理：通过输入的转速信号与发动机振动时域数据、发动机有效声学数据，通过自适应数据周期分段方法，对采集的发动机声
‑
振时域信号进行周期性时域上的分段；
[0013]4)多层数据特征提取：分别针对分段后的振动与声学时域信号，在时域与频域两个层次上对数据进行处理，
[0014]时域层数据处理：通过对比分析加速度与声学信号的峭度、裕度、波形与峰值信息，对与发动机机械系统无关非强周期性的信号进行分析；
[0015]频域层数据处理：结合发动机转速信号，分析振动与声学信号的阶次信息，对不同维度类别的声振信号区分；
[0016]5)多维信号相关性分析与故障分类：
[0017]步骤4)完成频域层与时域层数据特征的剥离后，分别针对声学阶次数据、振动阶次数据与声
‑
振时域特征相关性分析，通过查表法对故障类型进行分类；
[0018]6)故障信息判定：
[0019]步骤5)完成信号相关性分析与故障分类工作后，进入故障信息判定，其中，针对具有显著特征的故障形式采用预设故障阈值法进行故障判定；对于不具备显著特征的故障则采用基于大数据的人工智能自学习法进行故障信息判定。
[0020]进一步，所述步骤2)、3)发动机的声学时域数据、发动机振动时域数据包括正常发动机运用数据和各种发动机故障运行数据。
[0021]进一步，所述频域层数据处理：通过发动机转速阶次相关的阶次频域特征，在不同维度上对不同的机械类故障产生的机械噪声与阀体类故障产生的流体噪声进行快速区分与分类；通过结合发动机转速信号，分析振动与声学信号的阶次信息，对能量集中的阶次和指定阶次的能量进行提取与排序，分析由于发动机曲轴、凸轮轴、轴承机械类零件所引入的振动与噪声。
[0022]进一步，所述步骤3)采集的发动机声
‑
振时域信号进行周期性时域上的分段，分段后的数据作为基于大数据的人工智能自学习法的训练输入数据。
[0023]一种基于数据运算分析模块建立的发动机声
‑
振多信息融合故障诊断方法，现场声学测量模块采集测量过程中的背景噪音与发动机运行噪声信号，现场振动测量模块采集发动机运行后的振动信号，转速传感器采集发动机转速信号，数据运算分析模块通过数据采集模块接收现场声学测量模块、现场振动测量模块和转速传感器采集的信号，数据运算分析模块根据采集后的数据进行背景噪声测定及特征提取、声学信息消噪、声
‑
振信息预处理后，对多层数据特征提取、多维信号相关性分析与故障分类后进行故障信息判定，输出故
障诊断结果及相应故障特征。
[0024]本专利技术的有益效果在于：本专利技术发动机声
‑
振多信息融合诊断设备及故障诊断方法，由于设置了故障发动机声学信息消噪处理流程，故在非消声环境中，可以对故障发动机声学时域数据中干扰部分进行剥离；本专利技术方法分别通过声
‑
振时域特征相关性，声学阶次数据与振动阶次数据三个层面，通过查表的方法将对故障特征进行快速分类与定位，从而快速确定发动机可能存在的故障形式；分别采用时域/频域多层信号故障信息提取方法，可以更好地处理强周期性的异响噪声信号与非稳态信号，从而便于具有非稳态噪声特性的故障形式的识别工作；针对显著特征故障与非显著特征故障的识别，分别通过故障阈值法与人工智能自学习两种方法进行，从而保证了特征识别快速的同时，对传统方法较难直接识别的故障或存在多故障耦合状态下的发动机本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种发动机声
‑
振多信息融合诊断设备，其特征在于，包含声学测量模块、振动测量模块、数据采集模块、数据运算分析模块和交互显示模块；声学测量模块和振动测量模块安装于发动机侧端机体上，现场采集发动机噪声信号和振动信号送数据采集模块；数据采集模块采集声学测量模块、振动测量模块输出的实时发动机噪声信号和振动信号以及发动机转速传感器信号检测的实时转速信号，处理信号后送数据运算分析模块；数据运算分析模块：根据数据采集模块送来的数据进行运算分析，输出故障类别和故障信息判定，送交互显示模块，与检测工作人员进行信息交互。2.一种发动机声
‑
振多信息融合诊断设备中数据运算分析模块建立方法，其特征在于，具体包括如下步骤：1)背景噪音测定：声学测量模块安装于发动机侧端机体上，发动机未启动的环境下，通过对背景噪声时域数据进行采集，随后通过时频域转换方法，将背景噪声时域数据转换为频域，并对其频域特征进行提取；2)发动机的声学时域数据提取：发电机启动，声学测量模块收集发动机的声学时域数据，并结合步骤1)获取的背景噪声频域特征，运用滤波消噪算法获取有效发动机声学数据；3)发动机声
‑
振信息预处理：通过输入的转速信号与发动机振动时域数据、发动机有效声学数据，通过自适应数据周期分段方法，对采集的发动机声
‑
振时域信号进行周期性时域上的分段；4)多层数据特征提取：分别针对分段后的振动与声学时域信号，在时域与频域两个层次上对数据进行处理，时域层数据处理：通过对比分析加速度与声学信号的峭度、裕度、波形与峰值信息，对与发动机机械系统无关非强周期性的信号进行分析；频域层数据处理：结合发动机转速信号，分析振动与声学信号的阶次信息，对不同维度类别的声振信号区分；5)多维信号相关性分析与故障分类：步骤4)完成频域层与时域层数据特征的剥离后，分别针对声学阶次数据、振动阶次数据与声
‑
振时域特征相关性分析，通过查表法对故障类型进行分类；6...

【专利技术属性】
技术研发人员：蔡一晓，金晔琪，李晓琪，
申请(专利权)人：上海大众动力总成有限公司，
类型：发明
国别省市：