[發(fā)明專利]一種基于CEEMD和改進(jìn)層次離散熵的共軌噴油器故障診斷方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011459205.8
• 申請(qǐng)日: 2020-12-11
• 公開（公告）號(hào): CN112610344B
• 公開（公告）日: 2022-12-13
• 發(fā)明（設(shè)計(jì)）人: 宋恩哲;柯赟;姚崇
• 申請(qǐng)（專利權(quán)）人: 哈爾濱工程大學(xué)
• 主分類號(hào): F02D41/22
• 分類號(hào): F02D41/22;F02M65/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明的目的在于提供一種基于CEEMD和改進(jìn)層次離散熵的共軌噴油器故障診斷方法，首先利用CEEMD對(duì)燃油壓力信號(hào)進(jìn)行自適應(yīng)分解，并通過相關(guān)系數(shù)剔除冗余分量，重構(gòu)有效燃油壓力信號(hào)。然后計(jì)算重構(gòu)信號(hào)的改進(jìn)層次離散熵，以改進(jìn)層次離散熵作為故障特征輸入LSSVM多分類器，從而實(shí)現(xiàn)共軌噴油器故障診斷。本發(fā)明適用于強(qiáng)噪聲干擾的現(xiàn)場工業(yè)環(huán)境下的共軌噴油器故障診斷，具有故障診斷準(zhǔn)確率高和抗干擾性強(qiáng)的優(yōu)點(diǎn)。

技術(shù)領(lǐng)域

本發(fā)明涉及的是一種柴油機(jī)控制方法，具體地說是柴油機(jī)噴油控制方法。

背景技術(shù)

隨著科學(xué)技術(shù)的飛速發(fā)展，能源危機(jī)和環(huán)境問題也越來越嚴(yán)峻，高壓共軌柴油機(jī)正是為了緩解這個(gè)問題而研發(fā)問世的。隨著高壓共軌柴油機(jī)數(shù)量激增，它的故障診斷與維修問題成為難以忽視的難題。日本船東協(xié)會(huì)輪機(jī)管理研究會(huì)調(diào)查表明，噴油器故障率占高壓共軌柴油機(jī)故障的17.1％，噴油器故障導(dǎo)致柴油機(jī)燃燒惡化、動(dòng)力性能、經(jīng)濟(jì)性能和可靠性能下降，有害排放物增多。因此，如何準(zhǔn)確地識(shí)別噴油器故障是亟待解決的問題。

噴油器工作狀態(tài)信息能通過共軌管燃油壓力波來體現(xiàn)，但燃油壓力波是非線性和非平穩(wěn)信號(hào)，為了同時(shí)提取時(shí)域與頻域信息，需要應(yīng)用聯(lián)合時(shí)頻分析方法進(jìn)行故障檢測(cè)。EMD分解是Huang等提出的一種時(shí)頻分析方法，在故障診斷領(lǐng)域應(yīng)用廣泛，但EMD本身存在一些不足，如模式混疊、端點(diǎn)效應(yīng)、停止條件等。針對(duì)EMD固有缺陷，Yeh等提出了一種補(bǔ)充的總體平均經(jīng)驗(yàn)?zāi)B(tài)分解(Complementary Ensemble Empirical Mode Decomposition，CEEMD)，CEEMD通過在原信號(hào)中加入成對(duì)正、負(fù)交替的輔助白噪聲，消除殘余噪聲。與EMD相比，CEEMD更穩(wěn)定，避免了模態(tài)混合問題，通過加入正負(fù)交替的輔助噪聲對(duì)，CEEMD還可以降低剩余噪聲，提高計(jì)算效率。

經(jīng)過濾波處理后，如何有效地提取噴油器微弱故障特征成為實(shí)現(xiàn)噴油器微弱故障的關(guān)鍵。熵是度量時(shí)間序列不確定度和動(dòng)態(tài)特征的最有效的工具之一，正因這樣的優(yōu)點(diǎn)，各種各樣的信息熵方法被應(yīng)用于故障診斷，例如樣本熵，模糊熵和離散熵等。樣本熵克服了近似熵中模板自身匹配的問題，具有抗干擾能力強(qiáng)和在參數(shù)大取值范圍內(nèi)一致性好等特點(diǎn)。但由于它是基于單位階躍函數(shù)來定義向量相似性，因此無法準(zhǔn)確的定義輸入類別。于是，陳偉婷等為了克服樣本熵的缺陷,提出了模糊熵的概念，但模糊熵計(jì)算相對(duì)較復(fù)雜，影響計(jì)算效率。Azami為了緩解樣本熵與模糊熵等方法各自的缺點(diǎn)，提出了離散熵(DispersionEntropy,DE)。對(duì)于樣本熵和模糊熵而言，離散熵的計(jì)算效率更高而且抗干擾性更強(qiáng)。為了確保信息度量的完整性和準(zhǔn)確度，Azami在DE的基礎(chǔ)上，提出了多尺度離散熵(Multi-ScaleDispersion Entropy,MDE)。但是多尺度離散熵僅考慮時(shí)間序列的低頻成分，忽略了時(shí)間序列的高頻部分，基于此，宋恩哲等提出了一種基于層次分析和離散熵的層次離散熵(Hierarchical Discrete Entropy,HDE),該方法既能考慮原始序列的高頻與低頻分量，又能提高抗干擾性和信號(hào)帶寬變化靈敏度。然而，HDE隨著分解層數(shù)k的增加，時(shí)間序列會(huì)縮短，導(dǎo)致統(tǒng)計(jì)可靠性降低，而且HDE對(duì)于信號(hào)長度有一定限制，降低了HDE算法的通用性。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供不僅克服了HDE的缺陷，而且能提供給定時(shí)間序列的不規(guī)則性和不確定性的綜合評(píng)估，解決了復(fù)雜的工況和噪聲環(huán)境下共軌噴油器故障診斷精度低的問題的一種基于CEEMD和改進(jìn)層次離散熵的共軌噴油器故障診斷方法。

本發(fā)明的目的是這樣實(shí)現(xiàn)的：

本發(fā)明一種基于CEEMD和改進(jìn)層次離散熵的共軌噴油器故障診斷方法，其特征是：

(1)通過安裝在高壓油管的壓力傳感器采集高壓油管壓力波動(dòng)信號(hào)，并將采集的壓力信號(hào)分為訓(xùn)練信號(hào)和測(cè)試信號(hào)；

(2)使用CEEMD算法對(duì)壓力信號(hào)進(jìn)行濾波處理，通過相關(guān)系數(shù)剔除冗余分量，重構(gòu)壓力信號(hào)；

(3)計(jì)算重構(gòu)壓力信號(hào)的改進(jìn)層次離散熵，以IHDE作為燃油壓力信號(hào)故障特征；