CN109190220B - 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 PDFInfo
- Publication number
- CN109190220B CN109190220B CN201810960978.0A CN201810960978A CN109190220B CN 109190220 B CN109190220 B CN 109190220B CN 201810960978 A CN201810960978 A CN 201810960978A CN 109190220 B CN109190220 B CN 109190220B
- Authority
- CN
- China
- Prior art keywords
- cylinder
- engine
- fluted disc
- acceleration
- square wave
- 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
Images
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
技术领域
本发明涉及一种增程器发动机领域，特别涉及一种增程器发动机气缸气密性诊断方法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.将各缸特征值逐一和其中各缸特征值中最小的特征值作差,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，将各缸特征值逐一和其中各缸特征值中最小的特征值作差,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，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.各缸特征值逐一和其中各缸特征值中最小的特征值作差,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，并将各缸特征值逐一和其中各缸特征值中最小的特征值作差,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，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 (4)
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;
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;
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.将各缸特征值逐一和其中各缸特征值中最小的特征值作差,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。
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，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。
3.一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，并将各缸特征值逐一和其中各缸特征值中最小的特征值作差,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，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;
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）。
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系统，其特征是，控制终端（3）为电子控制单元。
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 CN109190220A (zh) | 2019-01-11 |
| CN109190220B true 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) |
Families Citing this family (1)
| 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)
| 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 |
-
2018
- 2018-08-22 CN CN201810960978.0A patent/CN109190220B/zh active Active
Patent Citations (5)
| 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)
| Title |
|---|
| 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;沈寿林等;《军械工程学院学报》;20000622(第02期);第36-39页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109190220A (zh) | 2019-01-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Huang et al. | Time-frequency squeezing and generalized demodulation combined for variable speed bearing fault diagnosis | |
| CN105424359B (zh) | 一种基于稀疏分解的齿轮和轴承混合故障特征提取方法 | |
| CN105263731B (zh) | 脉冲宽度测量方法及装置 | |
| CN102095885B (zh) | 应用四点能量重心校正法的发动机转速的振动测量方法 | |
| CN104090129B (zh) | 用于轮速传感器和目标轮的匹配性测试方法和系统 | |
| CN104564542B (zh) | 一种基于大数据技术的故障诊断系统及其诊断方法 | |
| CN102788671B (zh) | 基于航天器振动试验声谱的结构故障模式诊断方法 | |
| CN109190220B (zh) | 一种基于小波分析的发动机气密性诊断方法以及系统 | |
| CN105865794A (zh) | 基于短时傅立叶变换和主分量分析的发动机失火故障诊断方法 | |
| WO2006071973A1 (en) | System and method of using sensors to emulate human senses for diagnosing an assembly | |
| CN107918032B (zh) | 一种空间多源声音信号融合的转速测量方法 | |
| 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 | |
| CN111189646A (zh) | 车辆nvh自诊断方法、装置、车辆以及控制器和介质 | |
| KR20160018766A (ko) | 내연 기관에 의해 생성되는 토크를 추정하는 방법 | |
| CN202870111U (zh) | 基于蓄电池纹波频率的汽车发动机转速测量仪 | |
| RU2165605C1 (ru) | Способ диагностики технического состояния двигателя внутреннего сгорания и/или трансмиссии автомобиля и устройство для его осуществления | |
| CN110376437B (zh) | 一种克服非阶次频率成分干扰的阶次分析方法 | |
| CN112881835A (zh) | 一种基于电气特征序列分析的电瓶车充电状态分析方法 | |
| JP5924516B2 (ja) | 電池インピーダンス測定装置 | |
| Bi et al. | Knock detection in spark ignition engines base on complementary ensemble empirical mode decomposition‐Hilbert transform | |
| CN107290607A (zh) | 一种电动汽车的测试系统及方法 | |
| RU2542162C1 (ru) | Способ диагностики предаварийных режимов работы рдтт при огневых стендовых испытаниях | |
| Xu et al. | Misfire detection based on generalized force identification at the engine centre of gravity | |
| CN115962100A (zh) | 一种风电机组状态监测系统 | |
| Mones et al. | Fault diagnosis for planetary gearbox using on-rotor MEMS sensor and EMD analysis |
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 |
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. |
|
| TR01 | Transfer of patent right |