CN109190220A - 一种基于小波分析的发动机气密性诊断方法以及系统 - Google Patents

一种基于小波分析的发动机气密性诊断方法以及系统 Download PDF

Info

Publication number
CN109190220A
CN109190220A CN201810960978.0A CN201810960978A CN109190220A CN 109190220 A CN109190220 A CN 109190220A CN 201810960978 A CN201810960978 A CN 201810960978A CN 109190220 A CN109190220 A CN 109190220A
Authority
CN
China
Prior art keywords
engine
cylinder
fluted disc
acceleration
tightness
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
Application number
CN201810960978.0A
Other languages
English (en)
Other versions
CN109190220B (zh
Inventor
熊文羽
龚齐昶翼
黄松涛
冯瀚
王俊红
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ningbo Shenglong New Energy Vehicle Power Co ltd
Original Assignee
Ningbo Jie Cheng Automobile Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ningbo Jie Cheng Automobile Technology Co Ltd filed Critical Ningbo Jie Cheng Automobile Technology Co Ltd
Priority to CN201810960978.0A priority Critical patent/CN109190220B/zh
Publication of CN109190220A publication Critical patent/CN109190220A/zh
Application granted granted Critical
Publication of CN109190220B publication Critical patent/CN109190220B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching

Landscapes

  • Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Examining Or Testing Airtightness (AREA)

Abstract

本发明公开一种基于小波分析的发动机气密性诊断方法以及系统，涉及一种增程器发动机领域，解决了传统的发动机气密性检测需要拆卸安装以及借助外部条件，较为麻烦，不利于工作人员及时有效的了解发动机的气密性情况的问题，其技术方案要点是：S1：通过动力电池启动电机，使电机恒扭矩拖动发动机；S2：获取发动机的转速情况；S3：以发动机的转速情况为依据进行处理分析，获取所需的发动机气密性情况。本发明的一种基于小波分析的发动机气密性诊断方法以及系统，不仅方便了对发动机气密性的检测，而且能较为精确的定位到具体发动机哪个气缸出现了气密性问题，真正实现了气密性快速准确的诊断。

Description

一种基于小波分析的发动机气密性诊断方法以及系统
技术领域
本发明涉及一种增程器发动机领域，特别涉及一种基于小波分析的发动机气密性诊断方法以及系统。
背景技术
增程器利用天然气这种清洁燃料作为能源，将发动机、发电机和电池做成一个整体，是一个高转化效率、排放更清洁的能源装置。其中发动机作为增程器的主要部分，其质量检测和在线诊断工作也是必不可少的。
传统的发动机气密性检测，对零部件有空气检漏、氮气检漏、氦气检漏和水浸检漏等方法，但是需要拆卸安装以及借助外部条件，较为麻烦，不利于工作人员及时有效的了解发动机气缸的气密性情况，还有改进的空间。
发明内容
针对现有技术存在的不足，本发明的目的一在于提供一种基于小波分析的基于小波分析的发动机气密性诊断方法，不仅方便了对发动机气密性的检测，而且能较为精确的定位到具体发动机哪个气缸出现了气密性问题，真正实现了气密性快速准确的诊断。
本发明的上述技术目的是通过以下技术方案得以实现的：
一种基于小波分析的发动机气密性诊断方法，包括以下步骤：
S1.通过动力电池启动电机，使电机恒扭矩拖动发动机；
S2.获取发动机的转速情况；
S3.以发动机的转速情况为依据进行处理分析，获取所需的发动机气密性情况。
采用上述方案，步骤S1通过动力电池启动电机并且使电机处于恒扭矩模式，有效拖动发动机，步骤S2在发动机启动的情况下获取发动机的转速，最后通过步骤S3根据步骤S2的转速信息有效处理分析出发动机的气密性情况。
作为优选，S2包括以下步骤：
S2.1.通过磁电传感器（5）采集齿盘信号；
S2.2.将齿盘信号转换为方波信号，形成方波曲线图；
S2.3.通过方波曲线图获取相邻两个齿的间隔时间，并基于相邻两个齿的间隔时间为依据计算出齿盘的角加速度，其中齿盘的角加速度的计算公式如下：dw/dt=(Ti+1-Ti)/Ti^3，其中Ti+1、Ti均为相邻两个齿间隔时间。
采用上述方案，通过步骤S2.1获取齿盘信号，步骤S2.2有效将齿盘信号转换为方波信号，形成方波曲线图，而步骤S2.3的设置通过方波曲线图获取相邻齿的间隔时间。
作为优选，S3具体包括以下步骤：
S3.1A.将采集到的角加速度做分解层数为两层的小波分解，并得到近似部分a2和细节部分d1、d2；
S3.2A.以小波分解所获取的近似部分d2分别计算出正常加速度、1缸漏气加速度和2缸漏气加速度中各缸的特征值，其中具体的特征值公式如下：，其中i为缸号，为该缸上止点在小波分解d2中的位置；
S3.3A.其它特征值逐一和最小的特征值作差,若差值超过预设的差值，则最小特征值所对应的气缸为漏气气缸；反之，则无漏气气缸。。
采用上述方案，通过步骤S3.1A的设置可以通过小波分析的方式分析出小波分解后的细节部分和近似部分，通过步骤S3.2A计算出特征值，并且最后通过步骤S3.3A来根据特征值的特性来判断是否存在漏气气缸。
作为优选，步骤S3.1A所提到的以采集到的角加速度信号做分解层数为两层的小波分解采用了马拉算法，其中马拉算法中尺度函数以及小波函数的构造采用Daubechies方法。
采用上述方案，马拉算法为基于多分辨率分析理论的离散小波分解与重构较为常用的算法，而尺度函数和小波函数的构造采用Daubechies方法，该方法是构造有限支撑规范正交尺度函数和小波的最好方法，综上，结合上述两种方法有利于对气缸特征值的精确计算。
本发明的目的二在于提供一种基于小波分析的基于小波分析的发动机气密性诊断系统，不仅方便了对发动机气密性的检测，而且能较为精确的定位到具体发动机哪个气缸出现了气密性问题，真正实现了气密性快速准确的诊断。
作为优选，还包括用于采集齿盘转速的转速信息采集装置、控制终端、显示模块；
控制终端基于转速信息采集装置获取齿盘的加速度，并基于齿盘加速度进行分解层数为两层的小波分解，得到近似部分a2和细节部分d1、d2，并基于，其中i为缸号，为该缸上止点在小波分解d2中的位置，分别计算出正常加速度、1缸漏气加速度和2缸漏气加速度中各缸的特征值，并将其它特征值逐一和最小的特征值作差并在差值均超过预设差值时，通过显示模块显示最小特征值所对应的气缸编号以警示对应气缸漏气。
作为优选，转速信息采集装置包括用于采集齿盘信号的磁电传感器、接收齿盘信号以转换齿盘信号为方波信号并形成方波曲线图的方波曲线生成模块、以及获取方波曲线生成模块所转换曲线中相邻齿之间的间隔时间并计算出齿盘角加速度的齿盘角加速度计算模块。
采用上述方案，通过磁电传感器获取齿盘信号，并在获取齿盘信号的情况下通过方波曲线生成模块生成相应的方波曲线图，而齿盘加速度计算模块可以根据方波曲线图计算出齿盘加速度。
作为优选，控制终端为电子控制单元。
采用上述方案，由于控制终端为电子控制单元，即ECU，是汽车专用微机控制器，能够有效实现对汽车上设备的控制。
附图说明
图1为基于小波分析的发动机气密性诊断方法的系统框图1；
图2为基于小波分析的发动机气密性诊断方法的系统框图2；
图3为基于小波分析的发动机气密性诊断方法的系统框图3；
图4为一种基于小波分析的发动机气密性诊断系统的系统框图。
附图标记：1、转速信息采集装置；2、齿盘转速波形图数据库；3、控制终端；4、显示模块；5、磁电传感器；6、方波曲线生成模块。
具体实施方式
以下结合附图1-4对本发明作进一步详细说明。
如图1所示，一种基于小波分析的发动机气密性诊断方法，包括以下步骤：S1.通过动力电池启动电机，使电机恒扭矩拖动发动机；S2.获取发动机的转速情况；S3.以发动机的转速情况为依据进行处理分析，获取所需的发动机气密性情况。
其中，在步骤S1中所提到的动力电池即为工具提供动力来源的电源，多指为电动汽车、电动列车、电动自行车、高尔夫球车提供动力的蓄电池，电机作为增程器中的重要组成部分，在启动的时候需要动力电池提供相应的电能作为其启动的能量，而通过电机恒扭矩拖动发动机，有利于发动机的发电。
如图2所示，S2包括以下步骤：S2.1.通过磁电传感器5采集齿盘信号；S2.2.将齿盘信号转换为方波信号并形成方波曲线图；S2.3.通过方波曲线图获取相邻两个齿的间隔时间，并基于相邻两个齿的间隔时间为依据计算出齿盘的角加速度，其中齿盘的角加速度的计算公式如下：dw/dt=(Ti+1-Ti)/Ti^3，其中Ti+1、Ti均为相邻两个齿间隔时间，上述公式具有以下推理过程：角加速度：，转速，由此得到
将离散化得到：
最终得到：
，其中均为常系数，为相邻两个齿间隔时间，为了方便计算，实际运用时用以下公式来计算加速度：。
磁电传感器是把磁场信号转换成电信号，以这种方式来检测相应物理量的器件。
如图3所示，S3具体包括以下步骤：S3.1A.将采集到的角加速度做分解层数为两层的小波分解，并得到近似部分a2和细节部分d1、d2；S3.2A.以小波分解所获取的近似部分d2分别计算出正常加速度、1缸漏气加速度和2缸漏气加速度中各缸的特征值，其中具体的特征值公式如下：,其中i为缸号，为该缸上止点在小波分解d2中的位置；S3.3A.其它特征值逐一和最小的特征值作差,若差值超过预设的差值，则最小特征值所对应的气缸为漏气气缸，上述检测漏气缸的原理如下：当1缸漏气时，1缸压缩和做工时转速波形的波动幅度较正常时弱了许多，即该时间段内波形的频率组分与正常时是明显不同的。离散小波变换的多分辨率分析可以将信号分解为不同频率段的近似部分和细节部分，可以利用这个方法对加速度信号进行处理，再结合凸轮位置信号，分析每个缸压缩做工时间段内加速度信号频率成分，计算相关的特性参数并与正常时作比较，即可得到哪一缸的气密性出了问题。
其中，步骤S3.1A所提到的以采集到的角加速度信号做分解层数为两层的小波分解采用了马拉算法，其中马拉算法中尺度函数以及小波函数的构造采用Daubechies方法。
其中马拉算法如下：为尺度函数，令，则
是的规范正交基，为小波函数，令，则是的规范正交基。那么脉冲序列：
最终得到：
上面两式即为小波分解的马拉算法，其中为近似部分，为细节部分。
而尺度函数和小波函数的构造采用Daubechies方法，该方法是构造有限支撑规范正交尺度函数和小波的最好方法。最终采用N=2即二阶Daubechies小波db2来做小波分解。
以上为基于小波分析的发动机气密性诊断方法的介绍，以下对基于小波分析的发动机气密性诊断系统进行具体的介绍。
如图4所示，一种基于小波分析的发动机气密性诊断系统还包括用于采集齿盘转速的转速信息采集装置1、控制终端3、显示模块4；控制终端3基于转速信息采集装置1获取齿盘的加速度，并基于齿盘加速度进行分解层数为两层的小波分解，得到近似部分a2和细节部分d1、d2，并基于，其中i为缸号，为该缸上止点在小波分解d2中的位置，分别计算出正常加速度、1缸漏气加速度和2缸漏气加速度中各缸的特征值，并将其它特征值逐一和最小的特征值作差并在差值均超过预设差值时，通过显示装置4显示最小特征值所对应的气缸编号以警示对应气缸漏气,控制终端3优选电子控制单元。
转速信息采集装置1包括用于采集齿盘信号的磁电传感器5、接收齿盘信号以转换齿盘信号为方波信号的方波曲线模块6、以及获取方波曲线模块所转换曲线中相邻齿之间的间隔时间并计算出齿盘角加速度的齿盘角加速度计算模块2。
具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。

Claims (7)

1.一种基于小波分析的发动机气密性诊断方法，其特征是，包括以下步骤：
S1.通过动力电池启动电机，使电机恒扭矩拖动发动机；
S2.获取发动机的转速情况；
S3.以发动机的转速情况为依据进行处理分析，获取所需的发动机气密性情况。
2.根据权利要求1所述的一种基于小波分析的发动机气密性诊断方法，其特征是，S2包括以下步骤：
S2.1.通过磁电传感器（5）采集齿盘信号；
S2.2.将齿盘信号转换为方波信号，形成方波曲线图；
S2.3.通过方波曲线图获取相邻两个齿的间隔时间，并基于相邻两个齿的间隔时间为依据计算出齿盘的角加速度，其中齿盘的角加速度的计算公式如下：
dw/dt=(Ti+1-Ti)/Ti^3，其中Ti+1、Ti均为相邻两个齿间隔时间。
3.根据权利要求2所述的一种基于小波分析的发动机气密性诊断方法，其特征是，S3具体包括以下步骤：
S3.1A.将采集到的角加速度做分解层数为两层的小波分解，并得到近似部分a2和细节部分d1、d2；
S3.2A.以小波分解所获取的近似部分d2分别计算出正常加速度、1缸漏气加速度和2缸漏气加速度中各缸的特征值，其中具体的特征值公式如下：，其中i为缸号，为该缸上止点在小波分解d2中的位置；
S3.3A.其它特征值逐一和最小的特征值作差,若差值超过预设的差值，则最小特征值所对应的气缸为漏气气缸；反之，则无漏气气缸。
4.根据权利要求3所述的一种基于小波分析的发动机气密性诊断方法，其特征是，步骤S3.1A所提到的以采集到的角加速度信号做分解层数为两层的小波分解采用了马拉算法，马拉算法中尺度函数以及小波函数的构造采用Daubechies方法。
5.一种基于小波分析的发动机气密性诊断系统，其特征是：还包括用于采集齿盘转速的转速信息采集装置（1）、控制终端（3）、显示模块（4）；
控制终端（3）基于转速信息采集装置（1）获取齿盘的加速度，并基于齿盘加速度进行分解层数为两层的小波分解，得到近似部分a2和细节部分d1、d2，并基于，其中i为缸号，为该缸上止点在小波分解d2中的位置，分别计算出正常加速度、1缸漏气加速度和2缸漏气加速度中各缸的特征值，并将其它特征值逐一和最小的特征值作差并在差值均超过预设差值时，通过显示模块（4）显示最小特征值所对应的气缸编号以警示对应气缸漏气。
6.根据权利要求5所述的一种基于小波分析的发动机气密性诊断系统，其特征是，转速信息采集装置（1）包括用于采集齿盘信号的磁电传感器（5）、接收齿盘信号以转换齿盘信号为方波信号并形成方波曲线图的方波曲线生成模块（6）、以及获取方波曲线生成模块（6）所转换曲线中相邻齿之间的间隔时间并计算出齿盘角加速度的齿盘角加速度计算模块（2）。
7.根据权利要求6所述的一种基于小波分析的发动机气密性诊断系统，其特征是，控制终端（3）为电子控制单元。
CN201810960978.0A 2018-08-22 2018-08-22 一种基于小波分析的发动机气密性诊断方法以及系统 Active CN109190220B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810960978.0A CN109190220B (zh) 2018-08-22 2018-08-22 一种基于小波分析的发动机气密性诊断方法以及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810960978.0A CN109190220B (zh) 2018-08-22 2018-08-22 一种基于小波分析的发动机气密性诊断方法以及系统

Publications (2)

Publication Number Publication Date
CN109190220A true CN109190220A (zh) 2019-01-11
CN109190220B CN109190220B (zh) 2023-04-07

Family

ID=64919085

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810960978.0A Active CN109190220B (zh) 2018-08-22 2018-08-22 一种基于小波分析的发动机气密性诊断方法以及系统

Country Status (1)

Country Link
CN (1) CN109190220B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110276294A (zh) * 2019-06-20 2019-09-24 北京市燃气集团有限责任公司 一种基于小波变换的天然气使用量断点检测方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001294052A (ja) * 2000-04-11 2001-10-23 Toyota Motor Corp 燃料タンクの異常診断方法及び異常診断装置
CN102095588A (zh) * 2010-12-28 2011-06-15 中国人民解放军军事交通学院 柴油机故障智能诊断方法
CN103018629A (zh) * 2012-11-23 2013-04-03 广东电网公司电力科学研究院 一种基于马拉算法的电力系统故障录波数据分析方法
CN105701456A (zh) * 2016-01-05 2016-06-22 北京理工大学 一种基于小波分析的角加速度计信号自适应去噪方法
CN107831438A (zh) * 2017-10-25 2018-03-23 上海交通大学 一种电机故障的预测方法及预测系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001294052A (ja) * 2000-04-11 2001-10-23 Toyota Motor Corp 燃料タンクの異常診断方法及び異常診断装置
CN102095588A (zh) * 2010-12-28 2011-06-15 中国人民解放军军事交通学院 柴油机故障智能诊断方法
CN103018629A (zh) * 2012-11-23 2013-04-03 广东电网公司电力科学研究院 一种基于马拉算法的电力系统故障录波数据分析方法
CN105701456A (zh) * 2016-01-05 2016-06-22 北京理工大学 一种基于小波分析的角加速度计信号自适应去噪方法
CN107831438A (zh) * 2017-10-25 2018-03-23 上海交通大学 一种电机故障的预测方法及预测系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
沈寿林等: "基于神经网络技术和小波分析的发动机气缸气密性能检测研究", 《军械工程学院学报》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110276294A (zh) * 2019-06-20 2019-09-24 北京市燃气集团有限责任公司 一种基于小波变换的天然气使用量断点检测方法及装置

Also Published As

Publication number Publication date
CN109190220B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN102494899B (zh) 柴油机复合故障诊断方法及诊断系统
CN106338385A (zh) 一种基于奇异谱分解的旋转机械故障诊断方法
CN104034466B (zh) 一种车辆功率测试计算方法、装置
DE102011110669B4 (de) Verfahren und Messanordnung zur Bestimmung von spezifischen und/oder absoluten Emissionswerten für NOx und/oder CO2 bei einer Verbrennungsmaschine
CN106647275A (zh) 一种新能源汽车的远程监控系统
CN109581268B (zh) 一种光纤电流互感器故障诊断方法及装置
CN109190220A (zh) 一种基于小波分析的发动机气密性诊断方法以及系统
CN111810395A (zh) 一种基于p—v图测试的往复式压缩机能效分析系统
Hu et al. Multivariate statistical analysis strategy for multiple misfire detection in internal combustion engines
CN103760376A (zh) 一种基于振动原理的发动机转速测量仪及其测试方法
CN111351526A (zh) 一种新能源汽车能量流测试与评价系统
CN106324343B (zh) 基于频移集合经验模态分解的谐波检测方法及检测系统
CN201984109U (zh) 电涡流测功系统
Barelli et al. Cylinders diagnosis system of a 1 MW internal combustion engine through vibrational signal processing using DWT technique
CN102901887A (zh) 移动电站便携式综合检测诊断装置及方法
CN206178021U (zh) 电池母线电压采样装置
CN205427155U (zh) 一种基于LabVIEW的直流电动机测试平台
CN202870111U (zh) 基于蓄电池纹波频率的汽车发动机转速测量仪
CN103512617B (zh) 智能化低速机电控执行器的动作时间及相位测量系统
JP5924516B2 (ja) 電池インピーダンス測定装置
CN207198654U (zh) 一种发动机ecu点火测试系统
CN105888842A (zh) 汽车发动机液压式vvt角度动态测量方法
CN203224359U (zh) 内燃机测试系统智能校准装置
Romero-Troncoso et al. Reconfigurable SoC-based smart sensor for wavelet and wavelet packet analysis
CN106066845B (zh) 一种抽油机示功图的学习估计方法

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230926

Address after: 315100 East 1st Road, Science Park, Jiangshan Town, Yinzhou District, Ningbo City, Zhejiang Province

Patentee after: Ningbo Shenglong New Energy Vehicle Power Co.,Ltd.

Address before: 315000 zone 4, 1st floor, building 2, building 005, 1177 Lingyun Road, high tech Zone, Ningbo City, Zhejiang Province

Patentee before: NINGBO JIECHENG AUTOMOTIVE TECHNOLOGY CO.,LTD.