發(fā)動(dòng)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(dòng)機(jī)朝著智能化和多功能化方向發(fā)展,其結(jié)構(gòu)越來(lái)越復(fù)雜,所需診斷項(xiàng)目越來(lái)越多,而傳統(tǒng)依賴人工經(jīng)驗(yàn)的辦法已逐漸不能滿足更高的診斷需求。因此開(kāi)展基于異響分析的發(fā)動(dòng)機(jī)故障成分提取研究及試驗(yàn),對(duì)發(fā)動(dòng)機(jī)進(jìn)行在線診斷,及時(shí)地消除發(fā)動(dòng)機(jī)產(chǎn)生的故障,避免發(fā)動(dòng)機(jī)出現(xiàn)較大的損傷,提高發(fā)動(dòng)機(jī)的可靠性和使用壽命具有重要的工程意義�；诼曅盘�(hào)診斷發(fā)動(dòng)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(diǎn)。其中故障成分的提取是故障診斷過(guò)程中的核心問(wèn)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(guó)內(nèi)外現(xiàn)狀的基礎(chǔ)上,開(kāi)展了基于自適應(yīng)性錯(cuò)位疊加方法（ADSM）的發(fā)動(dòng)機(jī)故障成分提取研究。ADSM分為三個(gè)步驟,首先,建立疊加段和待疊加段中起始疊加點(diǎn)的自動(dòng)搜尋算法。其次,以起始疊加點(diǎn)為基準(zhǔn)截取異響信號(hào),對(duì)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(hào)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(hào)為EA211的四沖程發(fā)動(dòng)機(jī)為研究對(duì)象搭建了數(shù)據(jù)采集和處理平臺(tái)。該平臺(tái)主要由發(fā)動(dòng)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(lái)源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１．３發(fā)動(dòng)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(hào)的時(shí)頻分析法??時(shí)頻分析是從時(shí)間和頻率兩個(gè)維度上對(duì)信進(jìn)行分析，其前提是建立信號(hào)的時(shí)頻分??布，即建立一個(gè)函數(shù)，該函數(shù)能夠通過(guò)時(shí)間和頻率兩個(gè)域表征信號(hào)的能量密度。對(duì)時(shí)頻??分布進(jìn)行分析，檢測(cè)信號(hào)在某一時(shí)間段內(nèi)的頻率變化［２１，２２］。??（１）短時(shí)傅里葉變換（ＳＴＦＴ）??短時(shí)傅里葉變換又稱為加窗傅里葉變換，是Ｇａｂｏｒ于上個(gè)世紀(jì)４０年代對(duì)傳統(tǒng)傅里??葉變換改進(jìn)的一種算法，該方法具有時(shí)頻局部化的功能和線性變換的特點(diǎn)［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(gè)時(shí)間窗函數(shù)，利用窗函數(shù)??對(duì)信號(hào)進(jìn)行時(shí)間局部化，并且假設(shè)分段內(nèi)的信號(hào)是平穩(wěn)的線性信號(hào)，利用傅里葉變換對(duì)??加窗部分進(jìn)行處理。ＳＴＦＴ通過(guò)窗函數(shù)的平移覆蓋整個(gè)時(shí)間軸，進(jìn)而獲得信號(hào)頻率分量??分布的情況。ＳＴＦＴ能對(duì)緩慢變化的非穩(wěn)態(tài)信號(hào)進(jìn)行一定的分析，但從本質(zhì)上來(lái)說(shuō)，ＳＴＦＴ??仍然是一種線性平穩(wěn)信號(hào)的處理分析方法。在對(duì)信號(hào)截?cái)鄷r(shí)，所選的窗函數(shù)不僅要有較??好的時(shí)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(shí)間域的分辨率也隨之確定，因此ＳＴＦＴ很難對(duì)有瞬時(shí)突變的信號(hào)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(guò)伸??縮和平移改變時(shí)域分析窗的形狀，在高頻處采用短窗以獲得良好的時(shí)域分辨率，而在低??頻采用長(zhǎng)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(duì)隨時(shí)間變化的??復(fù)雜頻率成分的信號(hào)進(jìn)行時(shí)頻分析的要求，適合探測(cè)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(hào)時(shí)需要對(duì)信號(hào)進(jìn)行重構(gòu)，即對(duì)被分解的不同層次的分離信號(hào)進(jìn)行??重新構(gòu)造，得到目標(biāo)信號(hào)。例如圖１．５中，目標(biāo)信號(hào)Ｘ可以被描述為ｃＡ３，?ｃＤ３，?ｃＤ２與??ｃＤｉ之和。實(shí)際工程中，信號(hào)的低頻部分往往是最重要的，而高頻部分只起到一個(gè)修飾??作用，因此處理實(shí)際信號(hào)時(shí)，常常去掉高頻噪聲，用低頻部分構(gòu)造的信號(hào)近似代替目標(biāo)??信號(hào)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(wèn)題會(huì)??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(duì)小波基選擇的問(wèn)題還是通過(guò)試算的方式來(lái)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(shù)??Ｆｉｇ．?１．５?Ｗａｖｅｌｅｔ?ｄｅｃｏｍｐｏｓｉｔｉｏｎ?ｔｒｅｅ??（４）經(jīng)驗(yàn)?zāi)B(tài)分解法（ＥＭＤ）??經(jīng)驗(yàn)?zāi)B(tài)分解（ＥＭＤ）是由ＨｕａｎｇＰ］提出的用于處理非平穩(wěn)信號(hào)的一種方法。該方??法從本質(zhì)上來(lái)說(shuō)是對(duì)信號(hào)進(jìn)行平穩(wěn)化處理，使信號(hào)從不同尺度的波動(dòng)和趨勢(shì)逐級(jí)分開(kāi)，??得到一組具有不同特征尺度的數(shù)


本文編號(hào)：3116294