[發明專利]一種內燃機噪聲源識別方法

有效

• 申請號: 201910895945.7
• 申請日: 2019-09-21
• 公開（公告）號: CN110686899B
• 公開（公告）日: 2021-01-29
• 發明（設計）人: 林杰威;周啟迪;張俊紅;李偉東;裘永波
• 申請（專利權）人: 天津大學
• 主分類號: G01M15/00
• 分類號: G01M15/00;G01H17/00;G06K9/00
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 程毓英

1.一種內燃機噪聲源識別方法，步驟如下：

(1)采集內燃機標準工況和倒拖工況的整機噪聲信號，測試標準工況下缸蓋、活塞敲擊點主推力側、噴油泵、渦輪增壓器、空壓機、油底殼、齒輪罩蓋、缸蓋罩的振動信號和缸壓信號；

(2)對振動信號和噪聲信號進行去直流、去趨勢項和濾波預處理，以減少信號采集誤差；

(3)對預處理的噪聲信號進行改進變分模態分解IVMD，自適應獲得不同頻段的信號分量，即采用模擬退火改進粒子群算法進行VMD優化，方法如下：

(a)初始化算法參數：粒子種群數Sizepop＝100，最大迭代次數Mxiter＝50，認知學習因子C1＝1.495，社會學習因子C2＝1.495，模態數K＝[3；4；5；6；7；8；9；10]，懲罰因子a＝[50,4000]的隨機數，粒子飛行的最大速度Vmax＝2，最小速度Vmin＝-2；

(b)基于VMD算法對內燃機頂部噪聲信號進行分解，以模態數K和懲罰因子a作為優化變量，以最小幅值譜熵平均值作為適應度函數，計算第一次迭代初始參量的適應度值，并找到初始個體和全局最優模態數Gbest_K和Zbest_K，初始個體和全局最優懲罰因子Gbest_a和Zbest_a，適應度函數幅值譜熵計算如下：

其中X為噪聲分解分量序列，p_i為信號的概率分布，N是輸入信號長度，Hs是幅值譜熵；

(c)對個體最優Gbest進行模擬退火臨域搜索，不斷更新迭代數Mxiter、模態數K、懲罰因子a和粒子飛行速度V，并基于Metropolis準則判斷更新解的可行性；

(d)基于上述步驟(c)的更新參數，采用VMD處理噪聲信號，計算適應度函數，更新全局最優參數Zbest_K和Zbest_a；

(e)重復執行上述(b)(c)(d)步驟，判斷是否達到最大迭代次數，完成最大迭代次數循環計算，并輸出最優模態數K和懲罰因子a；

(f)將上述步驟獲得的最優參數K和a輸入VMD算法，進行內燃機噪聲自適應分解，檢測分解分量是否存在欠分解和過分解問題，如果分解存在欠分解或過分解，調整步驟(a)中初始模態數K，使之在合適的范圍，再循環按照上述步驟進行VMD參數尋優；

(4)采用小波變換對步驟(3)分解的噪聲分量進行時頻分析，確定各噪聲分量時頻、功率譜特征；

(5)基于步驟(4)時頻分析結果和內燃機先驗知識進行內燃機階次噪聲識別，并采用倒拖試驗和相關性分析確認分離結果；

(6)將包括噴油泵、渦輪增壓器、空壓機、油底殼、齒輪罩蓋、缸蓋罩在內主要噪聲源的振動信號和噪聲信號進行偏相干分析，提取各主要噪聲源特有頻率特征；將提取的頻譜特征和步驟(4)噪聲分量中非階次時頻特征進行對比，分離內燃機的非階次噪聲源。