[发明专利]基于排气噪声矢量量化分析的发动机故障诊断方法及装置

说明书

 

技术领域

 本发明涉及一种发动机故障诊断领域，尤其是涉及一种成本低、更快速有效的基于排气噪声矢量量化分析的发动机故障诊断方法及装置。

背景技术

目前，发动机故障诊断的方法有多种，大多数诊断系统的信号源取自发动机起动过程参数、点火波形、进气歧管真空度波形、发动机转速、缸体振动、电控喷油过程参数以及排气成分等。这些信号源只能反映发动机的某一特性，需多参数结合才能完成故障诊断，从而导致系统复杂、成本较高。如何以较少的检测参数精准实现发动机状态监测及故障诊断，是高效车载的发动机故障诊断系统设计面临的首要问题。如公开号为CN201852706U，名称为一种基于尾气排风的汽车故障诊断测试系统的中国发明专利申请，包括温度传感器、湿度传感器、大气压力传感器、汽车尾气分析仪、喜好条例电路、数据采集卡、工控机、外围辅助硬件系统和软件系统，工控机通过RS-232串口与汽车尾气分析仪建立通讯，以获取汽车尾气中的CO、HC、CO2、NOx、O2气体浓度信息和发动机转速信息，湿度、温度、大气压力传感器测试环境温度、湿度、大气压力信息，送入语气相连的信号调理电路输入端，调理后的信号经数据采集卡送入工控机，软件系统实现对工控机获取的信息进行处理、分析、显示、存储、推理诊断功能。该发明专利就存在上述的缺点：这些信号源只能反映发动机的某一特性，而且需多参数结合才能完成故障诊断，从而导致系统复杂、成本较高。

发明内容

本发明主要是解决现有技术中需要结合多种参数完成对发动机故障诊断，导致系统复杂、成本高的问题，提供了一种成本低、更快速有效的基于排气噪声矢量量化分析的发动机故障诊断方法，以及使用该方法的装置。

本发明的上述技术问题主要是通过下述技术方案得以解决的：一种基于排气噪声矢量量化分析的发动机故障诊断方法，包括以下步骤，

a．在训练过程中预先对发动机的多种故障进行检测，将发动机在各故障下的排气噪声看做一个信号源，通过特征提取器从信号源中提取特征矢量，形成特征矢量序列；特征提取器提取的是排气噪声的Mel频率倒谱系数，将Mel频率倒谱系数作为矢量量化过程中信号源的特征参数矢量序列。在这个步骤中预先即训练过程中对发动机在各情况下的排气噪声都进行特征参数提取。

b．将每个特征矢量序列通过LBG算法聚类生成码本，每个码本都包含有相应排气噪声的个性特征，使得每个码本对应一种故障状态，然后将这些码本进行存储；在训练过程中预先对发动机多种故障进行检测并生成码本，并将码本存在存储器内形成一码本库，作为对比的标准。这些码本在特征空间的分布相互不重叠或者有重叠。

c．在测试过程中对发动机故障进行检测，通过特征提取器从测试的排气噪声中提取特征矢量序列，然后将存储的每个码本依次对该特征矢量序列进行矢量量化，计算出各自的平均量化误差，将各个平均量化误差进行比较，选择平均量化误差最小的码本对应的故障状态作为系统诊断结果。基于矢量量化的方法所需的模型训练数据小、训练与识别时间短、工作存储空间小，系统便于硬件实现。在用码本对特征矢量序列进行量化的过程中，首先要选择合适的失真测度，计算码本中码字代替矢量造成的失真，可以描述两个或多个码本间的相似程度，而失真度最小值所对应的码字即是该特征矢量的代表矢量，这样平均量化误差最小的码本就与该特征矢量序列最相似，从而实现对发动机故障的诊断识别。发动机排气气流的动力学特性直接反映了管道系统边界条件的变化，从而可以反映出发动机的各种运行状态。发动机的排气噪声作为发动机排气气流的直接物理映射，可以当作信号源分析，进行发动机综合故障诊断。采用本发明的方法，使用排气噪声信号作为信号源，实现了无损检测，不仅成本低，且信号采集更加快速有效。

作为一种优选方案，在训练过程中，对各故障下的排气噪声重复提取特征矢量序列，对生成的码本进行修正量化。这样可以得到更加精确的码本，使得测试过程中识别更加准确。