CN105893673A - 一种基于振动加速度特征点辨识燃烧特征参数的方法 - Google Patents
一种基于振动加速度特征点辨识燃烧特征参数的方法 Download PDFInfo
- Publication number
- CN105893673A CN105893673A CN201610195850.0A CN201610195850A CN105893673A CN 105893673 A CN105893673 A CN 105893673A CN 201610195850 A CN201610195850 A CN 201610195850A CN 105893673 A CN105893673 A CN 105893673A
- Authority
- CN
- China
- Prior art keywords
- signal
- vibration acceleration
- curve
- vibration
- combustion
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
- Measuring Fluid Pressure (AREA)
Abstract
本发明公开了一种基于振动加速度特征点辨识燃烧特征参数的方法,包括以下步骤:步骤一,利用切比雪夫低通滤波器滤除高频干扰;步骤二,利用经验模式分解方法去除振动加速度信号中的低频干扰,步骤三,分别建立处理曲线特征点与燃烧始点和最大压力升高率出现时刻之间的线性关系,基于该线性关系对提取的结果进行修正;步骤四,利用振动加速度曲线的最低点来表征峰值压力出现的时刻。通过所低通滤波器去除实测加速度信号的高频干扰,利用EMD方法去除其中的低频干扰,有效的提高了实测信号的信噪比。本发明鉴于峰值压力出现时刻并非振动加速度曲线上的特征点,提出利用振动加速度曲线的最低点来表征峰值压力出现时刻的方法。
Description
技术领域
本发明涉及信号处理技术领域,尤其涉及一种基于振动加速度特征点辨识燃烧特征参数的方法。
背景技术
基于振动信号提取燃烧特征参数是振动传感器得以在内燃机上普及的关键,为此,众多研究者提出了基于传递函数、神经网络等方法进行缸压信号的重构,利用重构的缸压信号辨识燃烧特征参数,但由于实测的振动信号中存在噪声及干扰,传递函数法重构的缸压信号中干扰和噪声均被放大,降低燃烧特征参数的识别精度;基于神经网络法重构缸压信号需以大量的样本数据为基础,且机型发生变化时需对模型重新进行训练,燃烧特征参数识别效率低。为此,前人提出了寻求振动加速度信号与缸压信号的关系,进而直接利用振动信号辨识燃烧特征参数的方法,然而识别结果与真实燃烧特征参数在相位上存在滞后。针对此,本发明提出了一种基于振动加速度信号识别燃烧特征参数的新方法,解决燃烧特征参数滞后的问题。
发明内容
本发明的目的就是为了解决上述问题,提供了一种基于振动加速度特征点辨识燃烧特征参数的方法,提出了建立燃烧始点及最大压力升高率出现时刻与处理后振动加速度曲线特征点之间的线性关系,基于该线性关系对其辨识结果进行修正。
为了实现上述目的,本发明采用如下技术方案:
一种基于振动加速度特征点辨识燃烧特征参数的方法,包括以下步骤:
步骤一,利用切比雪夫低通滤波器滤除高频干扰;
步骤二,利用经验模式分解(EMD)方法去除振动加速度信号中的低频干扰,
步骤三,分别建立处理曲线特征点与燃烧始点和最大压力升高率出现时刻之间的线性关系,基于该线性关系对提取的结果进行修正;
步骤四,利用振动加速度曲线的最低点来表征峰值压力出现的时刻。
所述步骤一中切比雪夫低通滤波器纹波系数为0.001,阶次为10。
所述步骤一中滤除振动加速度信号中150倍基频以上的与燃烧激励响应信号无关的高频干扰。
所述步骤三中的处理曲线是计算各阶本征模式函数与缸内压力信号二次导数的相关性,将前两阶本征模式函数求和后组成处理曲线。
本发明的有益效果:
通过所低通滤波器去除实测加速度信号的高频干扰,利用EMD方法去除其中的低频干扰,有效的提高了实测信号的信噪比。
本发明提出了建立燃烧始点及最大压力升高率出现时刻与处理后振动加速度曲线特征点之间的线性关系,基于该线性关系对其辨识结果进行修正。
本发明鉴于峰值压力出现时刻并非振动加速度曲线上的特征点,提出利用振动加速度曲线的最低点来表征峰值压力出现时刻的方法
本发明对利用振动信号对缸内燃烧过程特征参数的研究,评价缸内燃烧状态,对内燃机燃烧过程在线监测、闭环控制及故障诊断具有重要的理论意义及实用价值。
附图说明
图1为缸压、压力升高率和缸压二次导数曲线;
图2为处理曲线与缸压二次导数曲线;
图3为燃烧始点识别结果;
图4为最大压力升高率出现时刻识别结果;
图5为峰值压力出现时刻识别结果。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
一种基于振动加速度特征点辨识燃烧特征参数的方法,包括,
利用切比雪夫低通滤波器滤除高频干扰;
利用EMD去除振动加速度信号中的低频干扰;
分别建立处理曲线特征点与燃烧始点和最大压力升高率出现时刻之间的线性关系,基于该线性关系对提取的结果进行修正;
鉴于峰值压力出现时刻并非振动加速度曲线上的特征点,利用振动加速度曲线的最低点来表征峰值压力出现时刻。
上述切比雪夫低通滤波器纹波系数为0.001,阶次为10,滤除振动加速度信号中150倍基频以上的与燃烧激励响应信号无关的高频干扰。
上述EMD是经验模式分解(Empirical Mode Decomposition,EMD),EMD是根据非线性、非平稳信号本身的特征时间尺度将信号分解成一组稳态和线性的数据序列集,即本征模式函数(IMF)。IMF反映信号的内部特征,残余分量表示信号的趋势,需满足以下两个条件:整个信号中零点数与极点数相等或者至多相差1;对于信号上任意一点,由局部极大值确定的包络线和局部极小值确定的包络线的均值均为0。其具有识别局部特征的优势。
上述处理曲线是计算各阶IMF与缸内压力信号二次导数的相关性,前两阶IMF与平均缸内压力信号二次导数相关性较高,将前两阶IMF求和后组成处理曲线。
图1显示了缸压、压力升高率曲线和缸内压力信号二次导数曲线,内燃机中常将压力升高率在压缩冲程中的折点作为燃烧始点,在缸压二次导数曲线中,燃烧始点对应峰值前的第一个过零点,即A点,同理,B、C分别对应的是最大压力升高率出现时刻和峰值压力出现时刻。图2显示了一个循环的缸内压力信号二次导数和经过EMD分解后得到的IMF1与IMF2之和的振动加速度曲线(定义为处理曲线),前两个的圆圈即是图1中的A、B两点。与之相对应的,处理曲线中的前两个三角形分别用于表征燃烧始点出现时刻、最大压力升高率出现时刻。
1)燃烧始点和最大压力升高率出现时刻的识别
针对激励响应信号与激励源之间存在一定的滞后的问题,本发明尝试基于线性回归方法离线建立实际燃烧始点与预测燃烧始点间的线性关系(如图3中的拟合直线),实际应用过程中,利用该线性关系结合处理后的振动加速度信号提取的预测燃烧始点,获取修正后的燃烧始点,不同工况下的修正后的燃烧始点与实际燃烧始点的最大偏差为0.8℃A。
图4显示了不同工况下的实际最大压力升高率出现时刻与预测得到的最大压力升高率出现时刻。与燃烧始点处理方法类似,利用线性回归方法离线建立实际最大压力升高率出现时刻与预测最大压力升高率出现时刻间的线性关系(如图4中的拟合直线),进而得到修正后的最大压力升高率出现时刻,经对比,不同工况下的修正后的最大压力升高率出现时刻与实际最大压力升高率出现时刻的最大偏差为0.3℃A,验证了该方法的有效性。
2)峰值压力出现时刻
从图1中缸内压力曲线和缸内压力信号二次导数曲线可以看出,峰值压力出现时刻并非缸内压力信号二次导数曲线上的特征点,因此很难实现自动识别。研究发现,处理曲线的最低点的出现时刻,即图2中的第三个三角形的位置与峰值压力出现时刻之间有一定的线性关系,因此本发明探索利用此点表征峰值压力出现时刻。
同样,利用线性回归方法离线建立实际峰值压力出现时刻与预测峰值压力出现时刻间的线性关系(如图5中的拟合直线),进而得到修正后的峰值压力出现时刻,经对比,不同工况下的修正后的峰值压力时刻与实际峰值压力出现时刻的最大偏差为0.5℃A,验证了处理的振动加速度信号的最低点出现时刻可用于表征实际峰值压力出现时刻,为峰值压力出现时刻的在线识别提供了可能。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (4)
1.一种基于振动加速度特征点辨识燃烧特征参数的方法,其特征是,包括以下步骤:
步骤一,利用切比雪夫低通滤波器滤除高频干扰;
步骤二,利用经验模式分解方法去除振动加速度信号中的低频干扰,
步骤三,分别建立处理曲线特征点与燃烧始点和最大压力升高率出现时刻之间的线性关系,基于该线性关系对提取的结果进行修正;
步骤四,利用振动加速度曲线的最低点来表征峰值压力出现的时刻。
2.如权利要求1所述一种基于振动加速度信号辨识最大压力升高率的方法,其特征是,所述步骤一中切比雪夫低通滤波器纹波系数为0.001,阶次为10。
3.如权利要求1所述一种基于振动加速度信号辨识最大压力升高率的方法,其特征是,所述步骤一中滤除振动加速度信号中150倍基频以上的与燃烧激励响应信号无关的高频干扰。
4.如权利要求1所述一种基于振动加速度信号辨识最大压力升高率的方法,其特征是,所述步骤三中的处理曲线是计算各阶本征模式函数与缸内压力信号二次导数的相关性,将前两阶本征模式函数求和后组成处理曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610195850.0A CN105893673B (zh) | 2016-03-31 | 2016-03-31 | 一种基于振动加速度特征点辨识燃烧特征参数的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610195850.0A CN105893673B (zh) | 2016-03-31 | 2016-03-31 | 一种基于振动加速度特征点辨识燃烧特征参数的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105893673A true CN105893673A (zh) | 2016-08-24 |
CN105893673B CN105893673B (zh) | 2019-07-05 |
Family
ID=57014136
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610195850.0A Active CN105893673B (zh) | 2016-03-31 | 2016-03-31 | 一种基于振动加速度特征点辨识燃烧特征参数的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105893673B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108644023A (zh) * | 2018-04-25 | 2018-10-12 | 江苏大学 | 内燃机缸内压力信号高频谐波分量表征方法 |
CN110567727A (zh) * | 2019-08-13 | 2019-12-13 | 北京化工大学 | 一种基于振动加速度信号的柴油机输出功率评估方法 |
CN113642204A (zh) * | 2021-07-06 | 2021-11-12 | 江苏大学 | 基于燃烧激励贡献度修正燃烧始点识别偏差的方法 |
CN115341994A (zh) * | 2022-08-15 | 2022-11-15 | 武汉优泰电子技术有限公司 | 一种往复式发动机燃烧状态评价方法、装置及计算机设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102620928A (zh) * | 2012-03-02 | 2012-08-01 | 燕山大学 | 基于小波半软阈值和emd的风电齿轮箱故障诊断方法 |
CN104866671A (zh) * | 2015-05-26 | 2015-08-26 | 山东大学 | 一种基于振动速度信号识别最大压力升高率的方法 |
-
2016
- 2016-03-31 CN CN201610195850.0A patent/CN105893673B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102620928A (zh) * | 2012-03-02 | 2012-08-01 | 燕山大学 | 基于小波半软阈值和emd的风电齿轮箱故障诊断方法 |
CN104866671A (zh) * | 2015-05-26 | 2015-08-26 | 山东大学 | 一种基于振动速度信号识别最大压力升高率的方法 |
Non-Patent Citations (4)
Title |
---|
唐娟: "基于振动信号评价柴油机缸内燃烧状态的研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
王婷: "EMD算法研究及其在信号去噪中的应用", 《中国博士学位论文全文数据库 信息科技辑》 * |
纪少波 等: "缸盖振动加速度信号与燃烧过程时域相关性分析", 《内燃机工程》 * |
赵秀亮 等: "基于振动速度信号在线识别最大压力升高率", 《内燃机学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108644023A (zh) * | 2018-04-25 | 2018-10-12 | 江苏大学 | 内燃机缸内压力信号高频谐波分量表征方法 |
CN110567727A (zh) * | 2019-08-13 | 2019-12-13 | 北京化工大学 | 一种基于振动加速度信号的柴油机输出功率评估方法 |
CN113642204A (zh) * | 2021-07-06 | 2021-11-12 | 江苏大学 | 基于燃烧激励贡献度修正燃烧始点识别偏差的方法 |
CN113642204B (zh) * | 2021-07-06 | 2024-03-19 | 江苏大学 | 基于燃烧激励贡献度修正燃烧始点识别偏差的方法 |
CN115341994A (zh) * | 2022-08-15 | 2022-11-15 | 武汉优泰电子技术有限公司 | 一种往复式发动机燃烧状态评价方法、装置及计算机设备 |
CN115341994B (zh) * | 2022-08-15 | 2023-02-24 | 武汉优泰电子技术有限公司 | 一种往复式发动机燃烧状态评价方法、装置及计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN105893673B (zh) | 2019-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105893673A (zh) | 一种基于振动加速度特征点辨识燃烧特征参数的方法 | |
El-Ghamry et al. | Indirect measurement of cylinder pressure from diesel engines using acoustic emission | |
Dayong et al. | Extraction of fault component from abnormal sound in diesel engines using acoustic signals | |
CN109598255B (zh) | 一种基于能量算子k-梯度的往复机械振动信号冲击始点自适应提取方法 | |
CN105090001B (zh) | 一种基于相似性分析的往复压缩机信号整周期相位校准方法 | |
CN103900824A (zh) | 基于瞬时转速聚类分析的柴油机故障诊断方法 | |
CN103994062A (zh) | 液压泵故障特征信号提取方法 | |
CN106656669A (zh) | 一种基于阈值自适应设置的设备参数异常检测系统及方法 | |
CN104155573A (zh) | 一种基于形态学的电力系统低频振荡检测方法 | |
DE102013216199A1 (de) | Verfahren und Vorrichtung zur Klopferkennung einer Brennkraftmaschine | |
CN115409052A (zh) | 一种数据失衡下风力发电机组轴承的故障诊断方法及系统 | |
CN111693283A (zh) | 一种轴承非稳态故障特征无转速提取方法 | |
Yang et al. | A novel multiple feature-based engine knock detection system using sparse bayesian extreme learning machine | |
Zhou et al. | A parameter-adaptive variational mode decomposition approach based on weighted fuzzy-distribution entropy for noise source separation | |
CN105844250B (zh) | 一种基于振动加速度信号辨识最大压力升高率的方法 | |
CN114038470A (zh) | 一种变压器信号声纹特征提取方法、装置、设备及介质 | |
Wang et al. | Fault diagnosis method of hydraulic system based on multi-source information fusion and fractal dimension | |
CN116699400A (zh) | 一种发电机转子短路故障监测系统、方法及可读存储介质 | |
CN111595585B (zh) | 柴油机气缸故障诊断方法、装置、设备及可读存储介质 | |
Khajavi et al. | Combined fault detection and classification of internal combustion engine using neural network | |
CN115169418A (zh) | 基于改进小波阈值法的开关柜局部放电识别方法和系统 | |
CN113537373A (zh) | 基于数字孪生的柴油机健康状态评估方法、装置及设备 | |
Zhu et al. | Fault diagnosis of rolling bearing based on WT-VMD and random forest | |
CN112329626A (zh) | 调制与深度学习融合的设备故障诊断方法、系统及介质 | |
Wang et al. | Multi-domain sequential signature analysis for machinery intelligent diagnosis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |