CN106909787B - 一种火花塞间隙预测方法与装置 - Google Patents
一种火花塞间隙预测方法与装置 Download PDFInfo
- Publication number
- CN106909787B CN106909787B CN201710108318.5A CN201710108318A CN106909787B CN 106909787 B CN106909787 B CN 106909787B CN 201710108318 A CN201710108318 A CN 201710108318A CN 106909787 B CN106909787 B CN 106909787B
- Authority
- CN
- China
- Prior art keywords
- denoising
- waveform signal
- spark plug
- box
- firing waveform
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Landscapes
- Spark Plugs (AREA)
- Ignition Installations For Internal Combustion Engines (AREA)
Abstract
本发明公开了一种火花塞间隙预测方法与装置包括:在各种工况下采集不同火花塞间隙的原始点火波形信号;对原始点火波形信号进行小波阈值最优去噪,生成去噪点火波形信号;计算去噪点火波形信号的盒维数特征;对火花塞间隙以及与其对应的盒维数特征进行二次函数拟合;采集待测火花塞间隙的点火波形信号,并根据拟合函数预测火花塞间隙。本发明能够进行客观的定量计算并预测火花塞间隙,为点火系统故障诊断提供可操作的解决方案。
Description
技术领域
本发明涉及发动机技术领域,特别地,涉及一种火花塞间隙预测方法与装置。
背景技术
点火系统是汽油发动机最核心的系统,发动机性能,包括动力性、经济性、安全性、噪声和废气排放,都受点火系统性能使用状况直接影响,点火系统故障在整个发动机故障中所占比例最大。火花塞状态是决定点火系统性能一个非常重要的因素,发动机性能测试仪能测出火花塞间隙变化时点火波形各参数的变化规律。对点火波形的形态、参数等进行定性、定量分析,研究火花塞间隙变化时,次级击穿电压、火花初始、火花持续时间、末端电压、闭合时间的变化规律非常有意义。
现有技术或根据发动机火花塞间隙变化对点火波形的影响找出点火次级波形各参数的变化规律,或提出发动机的时域和频域波形分析方法。但其共同问题在于,现有技术的实现必须由专业人员人工观察,得到的结果不具备一般性,主观性太强、不能实现定量分析、且不能随火花塞间隙进行预测,无法满足生产中点火系统故障诊断的需求。
针对现有技术中的问题,目前尚未提出有效的解决方案。
发明内容
有鉴于此,本发明的目的在于提出一种火花塞间隙预测方法与装置,能够进行客观的定量计算并预测火花塞间隙,为点火系统故障诊断提供可操作的解决方案。
基于上述目的,本发明提供的技术方案如下:
根据本发明的一个方面,提供了一种火花塞间隙预测方法,包括:
在各种工况下采集不同火花塞间隙的原始点火波形信号;
对原始点火波形信号进行小波阈值最优去噪,生成去噪点火波形信号;
计算去噪点火波形信号的盒维数特征;
对火花塞间隙以及与其对应的盒维数特征进行二次函数拟合;
采集待测火花塞间隙的点火波形信号,并根据拟合函数预测火花塞间隙。
在一些实施方式中,所述对原始点火波形信号进行小波阈值最优去噪包括:
将所述原始点火波形信号在各尺度上进行小波分解;
根据预先设定的小波系数阈值,将各尺度高分辨率上小于所述阈值的小波系数归零;
根据处理过的小波系数在各尺度上进行小波重构。
在一些实施方式中,所述预先设定的小波系数阈值为使去噪点火波形信号的信噪比最大化的无偏风险估计阈值。
在一些实施方式中,所述计算去噪点火波形信号的盒维数特征包括:
在所述去噪点火波形信号上构建多个正方形的盒;
计算每个盒与所述去噪点火波形信号的交点个数;
对盒边长以及与盒边长相对应交点个数进行拟合并计算去噪点火波形信号的盒维数特征。
在一些实施方式中,对盒边长以及与盒边长相对应交点个数进行拟合并计算去噪点火波形信号的盒维数特征为:对盒边长的对数以及与盒边长相对应交点个数的对数进行线性拟合获得直线斜率,并根据所述直线斜率计算去噪点火波形信号的盒维数特征。
根据本发明的另一个方面,提供了一种火花塞间隙预测装置,包括:
采集模块,用于在各种工况下采集不同火花塞间隙的原始点火波形信号;
去噪模块,用于对原始点火波形信号进行小波阈值最优去噪,生成去噪点火波形信号;
计盒模块,用于计算去噪点火波形信号的盒维数特征;
拟合模块,用于对火花塞间隙以及与其对应的盒维数特征进行二次函数拟合;
预测模块,用于采集待测火花塞间隙的点火波形信号,并根据拟合函数预测火花塞间隙。
在一些实施方式中,所述去噪模块包括:
分解单元,用于将所述原始点火波形信号在各尺度上进行小波分解;
去噪单元,用于根据预先设定的小波系数阈值,将各尺度高分辨率上小于所述阈值的小波系数归零;
重构单元,用于根据处理过的小波系数在各尺度上进行小波重构。
在一些实施方式中,所述去噪单元预先设定的小波系数阈值为使去噪点火波形信号的信噪比最大化的无偏风险估计阈值。
在一些实施方式中,所述计盒模块包括:
建盒单元,用于在所述去噪点火波形信号上构建多个正方形的盒;
计数单元,用于计算每个盒与所述去噪点火波形信号的交点个数;
拟合单元,用于对盒边长以及与盒边长相对应交点个数进行拟合并计算去噪点火波形信号的盒维数特征。
在一些实施方式中,所述拟合单元对盒边长的对数以及与盒边长相对应交点个数的对数进行线性拟合获得直线斜率,并根据所述直线斜率计算去噪点火波形信号的盒维数特征。
从上面所述可以看出,本发明提供的技术方案通过使用在各种工况下采集不同火花塞间隙的原始点火波形信号进行小波阈值最优去噪并计算盒维数特征,对火花塞间隙以及与其对应的盒维数特征进行二次函数拟合以预测火花塞间隙的技术手段,能够进行客观的定量计算并预测火花塞间隙,为点火系统故障诊断提供可操作的解决方案。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为根据本发明实施例的一种火花塞间隙预测方法的流程图;
图2为根据本发明实施例的一种火花塞间隙预测方法中,0.51mm火花塞怠速工况二缸次级点火波形对比图;
图3为根据本发明实施例的一种火花塞间隙预测方法中,0.51mm火花塞怠速工况二缸次级点火波形局部对比图;
图4为根据本发明实施例的一种火花塞间隙预测方法中,火花塞和原波形盒维数对应关系以及二次拟合曲线图;
图5为根据本发明实施例的一种火花塞间隙预测方法中,火花塞和去噪后盒维数对应关系以及二次拟合曲线图;
图6为根据本发明实施例的一种火花塞间隙预测方法中,火花塞间隙随盒维数变化的二次拟合曲线图;
图7为根据本发明实施例的一种火花塞间隙预测装置的结构图;
图8为本发明的执行一种火花塞间隙预测方法的电子设备的一个实施例的硬件结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进一步进行清楚、完整、详细地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
基于上述目的,根据本发明的第一个实施例,提供了一种火花塞间隙预测方法。
如图1所示,根据本发明实施例提供的火花塞间隙预测方法包括:
步骤S101,在各种工况下采集不同火花塞间隙的原始点火波形信号;
步骤S103,对原始点火波形信号进行小波阈值最优去噪,生成去噪点火波形信号;
步骤S105,计算去噪点火波形信号的盒维数特征;
步骤S107,对火花塞间隙以及与其对应的盒维数特征进行二次函数拟合;
步骤S109,采集待测火花塞间隙的点火波形信号,并根据拟合函数预测火花塞间隙。
在一些实施方式中,所述对原始点火波形信号进行小波阈值最优去噪包括:
将所述原始点火波形信号在各尺度上进行小波分解;
根据预先设定的小波系数阈值,将各尺度高分辨率上小于所述阈值的小波系数归零;
根据处理过的小波系数在各尺度上进行小波重构。
在一些实施方式中,所述预先设定的小波系数阈值为使去噪点火波形信号的信噪比最大化的无偏风险估计阈值。
在一些实施方式中,所述计算去噪点火波形信号的盒维数特征包括:
在所述去噪点火波形信号上构建多个正方形的盒;
计算每个盒与所述去噪点火波形信号的交点个数;
对盒边长以及与盒边长相对应交点个数进行拟合并计算去噪点火波形信号的盒维数特征。
在一些实施方式中,对盒边长以及与盒边长相对应交点个数进行拟合并计算去噪点火波形信号的盒维数特征为:对盒边长的对数以及与盒边长相对应交点个数的对数进行线性拟合获得直线斜率,并根据所述直线斜率计算去噪点火波形信号的盒维数特征。
综上所述,借助于本发明上述的技术方案,通过使用在各种工况下采集不同火花塞间隙的原始点火波形信号进行小波阈值最优去噪并计算盒维数特征,对火花塞间隙以及与其对应的盒维数特征进行二次函数拟合以预测火花塞间隙的技术手段,能够进行客观的定量计算并预测火花塞间隙,为点火系统故障诊断提供可操作的解决方案。
基于上述目的,根据本发明的第二个实施例,提供了一种火花塞间隙预测方法的一个实施例。
如图1所示,根据本发明实施例提供的火花塞间隙预测方法包括:
步骤S101,在各种工况下采集不同火花塞间隙的原始点火波形信号。
发动机运行实践表明,间隙稍微大点火能量足,对低转速有利;间隙小点不容易断火,高转速时性能好。然而火花塞电极间隙过大会造成跳火能量不足;火花塞电极间隙过小容易聚集积炭和油泥,容易造成电极间的短路和断路。所以为了获得最佳点火效果和燃烧效率,研究基于小波阈值去噪、盒维数和二次函数拟合的火花塞间隙识别方法非常有意义。本发明研究的内容是获取不同火花塞各种工况下的波形,建立发动机波形分析数据库,并定量分析火花塞间隙特征和火花塞积炭程度以及发动机的运行状态,为实现发动机火花塞间隙预测和远程故障诊断提供提论算法支持。
步骤S103,对原始点火波形信号进行小波阈值最优去噪,生成去噪点火波形信号。
小波阈值去噪的基本思想就是将含噪信号在各尺度上进行小波分解与重构,保留低分辨率下的全部小波系数。对于某尺度高分辨率的小波系数设定一个阈值,小波系数低于这个阈值的小波系数取0,并完整保留高于这个阈值的小波系数,最后将处理后的小波系数进行重构,最后把有用的不含噪信号提取出来。点火波形的小波阈值去噪法的关键是如何确定阈值大小和阈值函数,如果阈值太大,有用信号和奇异点很容易丢失被当作噪声被去掉,如果阈值太小则会使得噪声失真,不能彻底去除噪声。为此本发明通过比较去掉噪声量的合理性来确定最佳阈值准则,因此称作为最佳小波阈值去噪。
图2示出的是基于小波阈值时频分析故障识别方法。比较rigrsure、minimaxi、sqtwolog、heursure 4种小波阈值最后得到rigrsure(无偏风险估计阈值)处理后得到的点火波形信噪比最大,适用于去除发动机次级点火波形中的白噪声。为了能清楚展示去噪效果,将局部放大如图3所示。rigrsure去噪捕捉到点火原始波形中的一些峰值特征,去噪后信号平滑性非常好,所以本发明实施例采用改进小波阈值方法能够有效还原信号的特征。
步骤S105,计算去噪点火波形信号的盒维数特征。
分形维数是描述分形最主要的参量。复杂的海岸线既不是1维直线或曲线,也不是2维的平面或球面,更不像有长、宽、高几何参数的3维的形体,不能用维1维、2维、3维来表达。由于盒维数非常适合用来描述那些不具有严格自相似的图形的分形维数,并且计算简单,所以在提取一些分形特征方面有重要应用。因此,本发明实施例将分形维数应用在发动机点火波形分析和预测火花塞间隙的处理中。
最常见的计算平面点集F盒维数方法就是过许多边长δ正方形(盒概念),然后计算这些正方形与点集相交的个数Nδ(F),再以logδ为横坐标,log Nδ(F)为纵坐标,绘出数据点随δ变化曲线,利用最小二乘法预测直线斜率,最后得到平面点集F的盒维数。本发明中火花塞识别中主要计算不同工况不同火花塞间隙情况下一周期的点火去噪波形的盒维数。
在本发明实施例中,每一火花塞运行的数据抽样多工况多次,抽样计算不同火花塞间隙不同工况下的点火波形盒维数特征,建立一个点火波形的盒维数和火花塞间隙之间的对应关系。
原始波形盒维数和去噪后盒维数与间隙对应关系见下表。
去噪前盒维数 | 去噪后盒维数 | 火花塞间隙(mm) |
2.3180 | 2.2732 | 0.5100 |
1.3739 | 1.3418 | 0.8700 |
1.3473 | 1.3218 | 0.8700 |
1.2038 | 1.1672 | 0.9800 |
1.1908 | 1.1740 | 0.9800 |
1.3129 | 1.2992 | 0.8700 |
1.3581 | 1.3272 | 0.8700 |
2.3840 | 2.3332 | 0.5100 |
去噪前后盒维数值的方差值分别为0.4926和0.4824,说明去噪后数据更加集中,拟合出来的二次系数更加合理。
步骤S107,对火花塞间隙以及与其对应的盒维数特征进行二次函数拟合。
以点火波形盒维数作为输入,火花塞间隙为输出建立二次函数拟合关系,二次函数为:
y=ax2+bx+c
其中,x是盒维数,y是火花塞间隙,通过二次拟合得到系数a,b,c的值,其拟合曲线如图4、5所示。
通过对采样点火波形盒维数和火花塞间隙之间的对应关系拟合出去噪前后的二次函数系数。
去噪前:
a=0.2899
b=-1.4330
c=2.2765
去噪后:
a=0.3024
b=-1.4642
c=2.2782
尽管这两组系数非常接近,但通过观察图6的去噪前后局部两点和拟合曲线对比图可发现,去噪后的两点更加集中,拟合的曲线更能反映规律,所以用去噪后波形来计算盒维数更合适,更加有利于准确预测任意间隙。
步骤S109,采集待测火花塞间隙的点火波形信号,并根据拟合函数预测火花塞间隙。
去噪后盒维数 | 火花塞预测间隙 | 火花塞实际间隙 | 相对误差(%) |
1.279083 | 0.900026 | 0.870000 | 3.45 |
2.297414 | 0.510312 | 0.510000 | 0.06 |
1.185779 | 0.967098 | 0.980000 | -1.32 |
1.327246 | 0.867464 | 0.870000 | -0.29 |
由上表可知,对任意工况任意波形所对应的火花塞间隙预测精度可以控制在5%之内,准确度非常高,这样可以为火花塞间隙定量预测,从而为故障,积碳提供很好的预测方法,为发动机点火系统的故障诊断提供理论依据。
综上所述,借助于本发明上述的技术方案,通过使用在各种工况下采集不同火花塞间隙的原始点火波形信号进行小波阈值最优去噪并计算盒维数特征,对火花塞间隙以及与其对应的盒维数特征进行二次函数拟合以预测火花塞间隙的技术手段,能够进行客观的定量计算并预测火花塞间隙,为点火系统故障诊断提供可操作的解决方案。
基于上述目的,根据本发明的第三个实施例,提供了一种火花塞间隙预测装置。
如图7所示,根据本发明实施例提供的火花塞间隙预测装置包括:
采集模块71,用于在各种工况下采集不同火花塞间隙的原始点火波形信号;
去噪模块72,用于对原始点火波形信号进行小波阈值最优去噪,生成去噪点火波形信号;
计盒模块73,用于计算去噪点火波形信号的盒维数特征;
拟合模块74,用于对火花塞间隙以及与其对应的盒维数特征进行二次函数拟合;
预测模块75,用于采集待测火花塞间隙的点火波形信号,并根据拟合函数预测火花塞间隙。
在一些实施方式中,所述去噪模块72包括:
分解单元,用于将所述原始点火波形信号在各尺度上进行小波分解;
去噪单元,用于根据预先设定的小波系数阈值,将各尺度高分辨率上小于所述阈值的小波系数归零;
重构单元,用于根据处理过的小波系数在各尺度上进行小波重构。
在一些实施方式中,所述去噪单元预先设定的小波系数阈值为使去噪点火波形信号的信噪比最大化的无偏风险估计阈值。
在一些实施方式中,所述计盒模块73包括:
建盒单元,用于在所述去噪点火波形信号上构建多个正方形的盒;
计数单元,用于计算每个盒与所述去噪点火波形信号的交点个数;
拟合单元,用于对盒边长以及与盒边长相对应交点个数进行拟合并计算去噪点火波形信号的盒维数特征。
在一些实施方式中,所述拟合单元对盒边长的对数以及与盒边长相对应交点个数的对数进行线性拟合获得直线斜率,并根据所述直线斜率计算去噪点火波形信号的盒维数特征。
综上所述,借助于本发明上述的技术方案,通过使用在各种工况下采集不同火花塞间隙的原始点火波形信号进行小波阈值最优去噪并计算盒维数特征,对火花塞间隙以及与其对应的盒维数特征进行二次函数拟合以预测火花塞间隙的技术手段,能够进行客观的定量计算并预测火花塞间隙,为点火系统故障诊断提供可操作的解决方案。
基于上述目的,根据本发明的第四个实施例,提供了一种执行所述同步相量测量单元在线校准方法的电子设备的一个实施例。
所述执行所述同步相量测量单元在线校准方法的电子设备包括至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上所述任意一种方法。
如图8所示,为本发明提供的执行所述实时通话中的语音处理方法的电子设备的一个实施例的硬件结构示意图。
以如图8所示的电子设备为例,在该电子设备中包括一个处理器801以及一个存储器802,并还可以包括:输入装置803和输出装置804。
处理器801、存储器802、输入装置803和输出装置804可以通过总线或者其他方式连接,图8中以通过总线连接为例。
存储器802作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本申请实施例中的所述同步相量测量单元在线校准方法对应的程序指令/模块。处理器801通过运行存储在存储器802中的非易失性软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例的同步相量测量单元在线校准方法。
存储器802可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据同步相量测量单元在线校准装置的使用所创建的数据等。此外,存储器802可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器802可选包括相对于处理器801远程设置的存储器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置803可接收输入的数字或字符信息,以及产生与同步相量测量单元在线校准装置的用户设置以及功能控制有关的键信号输入。输出装置804可包括显示屏等显示设备。
所述一个或者多个模块存储在所述存储器802中,当被所述处理器801执行时,执行上述任意方法实施例中的同步相量测量单元在线校准方法。
所述执行所述同步相量测量单元在线校准方法的电子设备的任何一个实施例,可以达到与之对应的前述任意方法实施例相同或者相类似的效果。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。所述计算机程序的实施例,可以达到与之对应的前述任意方法实施例相同或者相类似的效果。
此外,典型地,本公开所述的装置、设备等可为各种电子终端设备,例如手机、个人数字助理(PDA)、平板电脑(PAD)、智能电视等,也可以是大型终端设备,如服务器等,因此本公开的保护范围不应限定为某种特定类型的装置、设备。本公开所述的客户端可以是以电子硬件、计算机软件或两者的组合形式应用于上述任意一种电子终端设备中。
此外,根据本公开的方法还可以被实现为由CPU执行的计算机程序,该计算机程序可以存储在计算机可读存储介质中。在该计算机程序被CPU执行时,执行本公开的方法中限定的上述功能。
此外,上述方法步骤以及系统单元也可以利用控制器以及用于存储使得控制器实现上述步骤或单元功能的计算机程序的计算机可读存储介质实现。
此外,应该明白的是,本发明所述的计算机可读存储介质(例如,存储器)可以是易失性存储器或非易失性存储器,或者可以包括易失性存储器和非易失性存储器两者。作为例子而非限制性的,非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦写可编程ROM(EEPROM)或快闪存储器。易失性存储器可以包括随机存取存储器(RAM),该RAM可以充当外部高速缓存存储器。作为例子而非限制性的,RAM可以以多种形式获得,比如同步RAM(DRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据速率SDRAM(DDR SDRAM)、增强SDRAM(ESDRAM)、同步链路DRAM(SLDRAM)以及直接RambusRAM(DRRAM)。所公开的方面的存储设备意在包括但不限于这些和其它合适类型的存储器。
本领域技术人员还将明白的是,结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。为了清楚地说明硬件和软件的这种可互换性,已经就各种示意性组件、方块、模块、电路和步骤的功能对其进行了一般性的描述。这种功能是被实现为软件还是被实现为硬件取决于具体应用以及施加给整个系统的设计约束。本领域技术人员可以针对每种具体应用以各种方式来实现所述的功能,但是这种实现决定不应被解释为导致脱离本公开的范围。
结合这里的公开所描述的各种示例性逻辑块、模块和电路可以利用被设计成用于执行这里所述功能的下列部件来实现或执行:通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合。通用处理器可以是微处理器,但是可替换地,处理器可以是任何传统处理器、控制器、微控制器或状态机。处理器也可以被实现为计算设备的组合,例如,DSP和微处理器的组合、多个微处理器、一个或多个微处理器结合DSP核、或任何其它这种配置。
结合这里的公开所描述的方法或算法的步骤可以直接包含在硬件中、由处理器执行的软件模块中或这两者的组合中。软件模块可以驻留在RAM存储器、快闪存储器、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动盘、CD-ROM、或本领域已知的任何其它形式的存储介质中。示例性的存储介质被耦合到处理器,使得处理器能够从该存储介质中读取信息或向该存储介质写入信息。在一个替换方案中,所述存储介质可以与处理器集成在一起。处理器和存储介质可以驻留在ASIC中。ASIC可以驻留在用户终端中。在一个替换方案中,处理器和存储介质可以作为分立组件驻留在用户终端中。
在一个或多个示例性设计中,所述功能可以在硬件、软件、固件或其任意组合中实现。如果在软件中实现,则可以将所述功能作为一个或多个指令或代码存储在计算机可读介质上或通过计算机可读介质来传送。计算机可读介质包括计算机存储介质和通信介质,该通信介质包括有助于将计算机程序从一个位置传送到另一个位置的任何介质。存储介质可以是能够被通用或专用计算机访问的任何可用介质。作为例子而非限制性的,该计算机可读介质可以包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储设备、磁盘存储设备或其它磁性存储设备,或者是可以用于携带或存储形式为指令或数据结构的所需程序代码并且能够被通用或专用计算机或者通用或专用处理器访问的任何其它介质。此外,任何连接都可以适当地称为计算机可读介质。例如,如果使用同轴线缆、光纤线缆、双绞线、数字用户线路(DSL)或诸如红外线、无线电和微波的无线技术来从网站、服务器或其它远程源发送软件,则上述同轴线缆、光纤线缆、双绞线、DSL或诸如红外先、无线电和微波的无线技术均包括在介质的定义。如这里所使用的,磁盘和光盘包括压缩盘(CD)、激光盘、光盘、数字多功能盘(DVD)、软盘、蓝光盘,其中磁盘通常磁性地再现数据,而光盘利用激光光学地再现数据。上述内容的组合也应当包括在计算机可读介质的范围内。
公开的示例性实施例,但是应当注公开的示例性实施例,但是应当注意,在不背离权利要求限定的本公开的范围的前提下,可以进行多种改变和修改。根据这里描述的公开实施例的方法权利要求的功能、步骤和/或动作不需以任何特定顺序执行。此外,尽管本公开的元素可以以个体形式描述或要求,但是也可以设想多个,除非明确限制为单数。
应当理解的是,在本发明中使用的,除非上下文清楚地支持例外情况,单数形式“一个”(“a”、“an”、“the”)旨在也包括复数形式。还应当理解的是,在本发明中使用的“和/或”是指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。
上述本公开实施例序号仅仅为了描述,不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
Claims (2)
1.一种火花塞间隙预测方法,其特征在于,包括:
在各种工况下采集不同火花塞间隙的原始点火波形信号;
对原始点火波形信号进行小波阈值最优去噪,生成去噪点火波形信号;
计算去噪点火波形信号的盒维数特征;
对火花塞间隙以及与其对应的盒维数特征进行二次函数拟合;
采集待测火花塞间隙的点火波形信号,并根据拟合函数预测火花塞间隙;
其中,所述对原始点火波形信号进行小波阈值最优去噪包括:
将所述原始点火波形信号在各尺度上进行小波分解;
根据预先设定的小波系数阈值,将各尺度高分辨率上小于所述阈值的小波系数归零;所述预先设定的小波系数阈值为使去噪点火波形信号的信噪比最大化的无偏风险估计阈值;
根据处理过的小波系数在各尺度上进行小波重构;
所述计算去噪点火波形信号的盒维数特征包括:
在所述去噪点火波形信号上构建多个正方形的盒;
计算每个盒与所述去噪点火波形信号的交点个数;
对盒边长以及与盒边长相对应交点个数进行拟合并计算去噪点火波形信号的盒维数特征;对盒边长以及与盒边长相对应交点个数进行拟合并计算去噪点火波形信号的盒维数特征为:对盒边长的对数以及与盒边长相对应交点个数的对数进行线性拟合获得直线斜率,并根据所述直线斜率计算去噪点火波形信号的盒维数特征;
以及,所述对火花塞间隙以及与其对应的盒维数特征进行二次函数拟合包括:
以点火波形盒维数作为输入,火花塞间隙为输出建立二次函数拟合关系,二次函数为:
y=ax2+bx+c
其中,x是盒维数,y是火花塞间隙,通过二次拟合得到系数a,b,c的值。
2.一种火花塞间隙预测装置,其特征在于,包括:
采集模块,用于在各种工况下采集不同火花塞间隙的原始点火波形信号;
去噪模块,用于对原始点火波形信号进行小波阈值最优去噪,生成去噪点火波形信号;所述去噪模块包括:分解单元,用于将所述原始点火波形信号在各尺度上进行小波分解;去噪单元,用于根据预先设定的小波系数阈值,将各尺度高分辨率上小于所述阈值的小波系数归零;重构单元,用于根据处理过的小波系数在各尺度上进行小波重构。所述去噪单元预先设定的小波系数阈值为使去噪点火波形信号的信噪比最大化的无偏风险估计阈值;
计盒模块,用于计算去噪点火波形信号的盒维数特征;所述计盒模块包括:建盒单元,用于在所述去噪点火波形信号上构建多个正方形的盒;计数单元,用于计算每个盒与所述去噪点火波形信号的交点个数;拟合单元,用于对盒边长以及与盒边长相对应交点个数进行拟合并计算去噪点火波形信号的盒维数特征;所述拟合单元对盒边长的对数以及与盒边长相对应交点个数的对数进行线性拟合获得直线斜率,并根据所述直线斜率计算去噪点火波形信号的盒维数特征;
拟合模块,用于对火花塞间隙以及与其对应的盒维数特征进行二次函数拟合;包括:以点火波形盒维数作为输入,火花塞间隙为输出建立二次函数拟合关系,二次函数为:y=ax2+bx+c;其中,x是盒维数,y是火花塞间隙,通过二次拟合得到系数a,b,c的值;
预测模块,用于采集待测火花塞间隙的点火波形信号,并根据拟合函数预测火花塞间隙。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710108318.5A CN106909787B (zh) | 2017-02-27 | 2017-02-27 | 一种火花塞间隙预测方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710108318.5A CN106909787B (zh) | 2017-02-27 | 2017-02-27 | 一种火花塞间隙预测方法与装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106909787A CN106909787A (zh) | 2017-06-30 |
CN106909787B true CN106909787B (zh) | 2018-09-25 |
Family
ID=59208375
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710108318.5A Active CN106909787B (zh) | 2017-02-27 | 2017-02-27 | 一种火花塞间隙预测方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106909787B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107463098B (zh) * | 2017-09-29 | 2020-07-31 | 中南林业科技大学 | 一种基于二次函数的智能小车速度控制方法和装置 |
CN112729816A (zh) * | 2020-12-22 | 2021-04-30 | 中国工程物理研究院机械制造工艺研究所 | 一种行星减速器故障模式识别方法 |
CN114243457B (zh) * | 2021-11-09 | 2023-02-03 | 上海新动力汽车科技股份有限公司 | 发动机火花塞寿命判定方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101431664A (zh) * | 2007-11-06 | 2009-05-13 | 同济大学 | 基于视频图像的密集客流密度自动检测方法及系统 |
CN101794116B (zh) * | 2010-02-09 | 2011-06-01 | 西安交通大学 | 一种火炮间隙特征的检测方法 |
CN102359815A (zh) * | 2011-07-08 | 2012-02-22 | 中国人民解放军理工大学工程兵工程学院 | 一种基于小波分形组合的爆破振动信号特征提取方法 |
US9249773B2 (en) * | 2012-10-23 | 2016-02-02 | GM Global Technology Operations LLC | Apparatus and method for static testing a spark plug assembled in an internal combustion engine including cracked ceramic insulator detection |
CN103149514B (zh) * | 2013-03-01 | 2015-04-22 | 山东电力集团公司电力科学研究院 | 一种gis内多绝缘缺陷模式识别方法 |
-
2017
- 2017-02-27 CN CN201710108318.5A patent/CN106909787B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN106909787A (zh) | 2017-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106909787B (zh) | 一种火花塞间隙预测方法与装置 | |
EP3699614A1 (en) | Method and system of partial discharge recognition for diagnosing electrical networks | |
CN110059845B (zh) | 基于时序演化基因模型的计量装置时钟误差趋势预测方法 | |
CN110705456A (zh) | 一种基于迁移学习的微型电机异常检测方法 | |
CN110619479B (zh) | 光伏组件的故障判别模型建模方法及故障判别方法 | |
Lv et al. | High-order synchroextracting transform for characterizing signals with strong AM-FM features and its application in mechanical fault diagnosis | |
CN113655348B (zh) | 一种基于深度孪生网络的电力设备局部放电故障诊断方法、系统终端及可读存储介质 | |
CN110927535A (zh) | 基于极限学习机的电力设备局部放电严重程度评估方法 | |
CN111738521B (zh) | 非侵入式电力负荷监测序列生成方法、系统、设备及介质 | |
CN106778908A (zh) | 一种新异类检测方法与装置 | |
CN112326213B (zh) | 异常数据检测方法及装置、机械故障检测方法及装置 | |
CN111123374A (zh) | 一种基于匹配滤波的探地雷达全波形反演方法 | |
Ren et al. | An improved variational mode decomposition method and its application in diesel engine fault diagnosis | |
Song et al. | An improved reconstruction method based on auto-adjustable step size sparsity adaptive matching pursuit and adaptive modular dictionary update for acoustic emission signals of rails | |
CN117009814A (zh) | 一种基于多源信息融合的发动机故障诊断方法及系统 | |
CN113110961B (zh) | 设备异常检测方法、装置、计算机设备及可读存储介质 | |
CN111596379B (zh) | 一种地震观测系统异常识别方法和装置 | |
Pawlak et al. | Nonparametric sequential signal change detection under dependent noise | |
CN113805105A (zh) | 三相变压器检测方法和系统 | |
CN110472801B (zh) | 直流输电线路电磁环境评估方法及系统 | |
CN107563904A (zh) | 一种基于风过程划分的风电出力重构方法 | |
Harbaji et al. | Accurate partial discharge classification from acoustic emission signals | |
CN109917245B (zh) | 考虑相位差的超声检测局部放电信号模式识别方法 | |
Feng et al. | Filter realization of the time-domain average denoising method for a mechanical signal | |
CN111476392A (zh) | 基于社会感知的计量装置时钟误差趋势预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |