摘要:针对传统的汽车发动机故障检测技术比较落后、检测效率低、受人为因素影响大，检测结果误差率较高的情况，利用声信号传感器、小波分析法等技术手段，提出了基于信号处理的发动机故障检测技术，解决了传统检测方法效率低、误差率高的问题，提高了发动机故障检测结果的可靠性.
关键词:信号处理;汽车发动机;故障检测;发动机故障
近年来，我国的汽车行业高速发展，汽车的使用也越来越频繁.而随着使用次数的增加，汽车出现故障的次数也随之递增，尤其是有汽车心脏之称的发动机.作为一种机电设备，汽车发动机的工作环境比较恶劣，需要长期承受高温以及各种冲击力，发动机的性能也因此会受到不同程度的影响，发动机的故障也由此而来[1].当发动机发生故障时，传统的检测方法是使用听诊器对发动机内部的声音进行分析，从而判断出发动机发生的是什么故障以及发生该故障的原因[2].这种检测方法不仅要求检测人员对声调、音色等有敏锐的反应，还需要极其丰富的经验才能诊断出发动机的具体问题，对检测人员的依赖性很大.
随着技术的发展，利用听诊器检测的方法已经不再适用，取而代之的是基于信号处理的发动机故障检测技术，利用声信号传感器、转速传感器等设备采集信号[3]，结合动态测功法、小波分析法进行分析，不仅自动化程度高，而且检测精度好，操作简单，检测效率高、结果可靠.
1发动机的信号采集
当前的故障检测诊断技术主要可以分为三大类:基于知识的诊断方法、基于模型解析的诊断方法和基于信号处理的诊断方法.其中，基于信号处理的故障检测技术本质上在于采集信号，通过函数、频谱、小波变换等方法对信号进行分析，提取信号中的幅值、方差、频率等参数，从而判断故障原因.其诊断流程如图1所示.在进行发动机故障诊断之前，需对发动机的性能进行测定.发动机的图2动态测功流程示意图实际输出功率是体现发动机性能的最重要的指标之一，常用的检测方法有两种:稳态测功法和动态测功法.其中，动态测功法也叫无负荷测功法，测定时不用对发动机施加载荷，而是在发动机怠速或者空载低速运行时，节气门全开，使得发动机克服内部摩擦力和惯性加速运转，根据加速性能反馈功率大小[4].动态测功法主要依靠传感器和计算机实现，主要由转速传感器、转速触发器、信号调理电路、时钟信号发生器、计算主机等部分组成，其工作流程如图2所示.
在计算时，发动机的起始转速比怠速转速略高，终止转速设定为额定转速，而发动机的转动惯量J是已知值，根据计算结果可知，发动机的实际输出功率P与加速时间Δt成反比关系，即加速时间越短，输出功率越高，发动机的性能越好;反之，加速时间越长，输出功率越低，发动机的性能越差.一般情况下，如果发动机的实际输出功率小于其额定功率的80%，则判定该发动机存在问题.
2发动机故障分析
2.1发动机故障信号分析
若根据公式(1)计算出发动机的实际输出功率不足，或者发动机出现发出异响、漏气等明显故障现象，则需要对发动机进行进一步的检测，并进行故障诊断.在传统的发动机故障检测作业中，通常采用听诊器采集发动机异响的声信号，依靠人耳进行分析，不仅操作复杂，而且极易出错，受检测员水平因素影响较大[5].而使用声信号传感器采集发动机异响的声信号不仅效率高，而且检测结果准确，检测员也无需接触发动机，可以避免检测员受到发动机高温的伤害.对于该类发动机故障的检测主要分为三方面:装配检查、磨损检查以及零部件缺陷检查.
1)装配检查:若发动机在装配时，螺栓拧紧时未达到设计要求或拧的过紧导致螺纹变形，会影响螺纹连接效果.而发动机工作时产生的振动可能会导致螺栓脱落，使得发动机出现漏气、零部件松动等情况.
2)磨损检查:发动机内部零部件长期高速运动会磨损零部件表面，导致零部件之间的配合公差偏离设计值，并产生较大的间隙，零部件之间互相碰撞发出异响.以发动机曲轴和连杆为例，不同配合间隙引起的异响如表1所示.
3)零部件缺陷检查:零部件本身可能会存在缺陷，该缺陷一般是在零部件的加工过程中产生的.在发动机缸内壁镀层时，若镀层厚度不足，或者镀层不均匀，均会导致零部件表面磨损局部磨损较快，从而引起局部配合异常，产生异响.另外，零部件本身的材质也是影响发动机性能的一个重要因素，选材优良的零部件能够满足发动机长期高速运转的需求，而材质不佳的零部件极易出现损伤，对发动机的性能影响也较大.
2.2基于小波分析法的信号处理
由于发动机的转速在一个工作循环内是波动的，因此需要采集发动机的瞬时转速信号，但该信号受发动机工况及故障影响，采集到的转速信号会包含多个信号波形的干扰.该干扰对故障分析有较大的影响，需要采用小波分析法去除干扰信号，并保留所必须的状态信息，从而保证故障诊断的准确性.
小波分析法是一种信号分析技术，利用小波变换的原理进行多尺度分解，对干扰信号进行滤除，获取不同状态的有效特征信息[6].其滤波原理如图3所示.
小波包分解法和正交小波分解的原理相同，即将正交小波分解后的高频波打包成一段正交小波，再次使用正交小波分解法进行分解，高频波包被再次分解成低频波和分辨率较低的高频波集合，但该高频波集合内的信号数量只是第一次小波分解后中的高频波集合内的一小部分，继续进行分解，即可得到分解完的各个频率的信号和一个高频波集合，而这个高频波集合也已经被分解到了极其精细的程度.其分解原理如图4所示.
3、结语
本文通过声信号传感器、转速传感器、计算主机等智能分析设备对发动机故障进行信号采集，使用小波分析法对信号波进行分解、分析，解决了传统故障检测中需要接触发动机、检测效率低下、检测结果可靠性低的问题，可广泛应用到现代化的汽车检修当中，对发动机的故障进行检测、诊断.
基于信号处理的汽车发动机故障检测技术研究相关期刊推荐：《西安文理学院学报(自然科学版)》(季刊)创刊于1994年，是经国家新闻出版署批准国内外公开发行的综合性学术刊物，国内外公开发行。主要刊登生命科学、数学及应用数学、物理学、化学与化学工程、机械电子技术、计算机科学与技术、环境资源与地理科学等方面有创新、有参考价值的研究论文、综述和研究进展，具有领先水平的科研成果，学术报告和动态等.读者对象为科研工作者、高等学校教师和研究生等。
转载请注明来自：http://www.lunwencheng.com/lunwen/dzi/16477.html
