[發(fā)明專(zhuān)利]一種共軌噴油器故障診斷方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110188029.7
• 申請(qǐng)日: 2021-02-18
• 公開(kāi)（公告）號(hào): CN112761843A
• 公開(kāi)（公告）日: 2021-05-07
• 發(fā)明（設(shè)計(jì)）人: 宋恩哲;柯赟;姚崇
• 申請(qǐng)（專(zhuān)利權(quán)）人: 哈爾濱工程大學(xué)
• 主分類(lèi)號(hào): F02M65/00
• 分類(lèi)號(hào): F02M65/00;F02M61/16;F02M55/02
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種共軌噴油器故障診斷方法，其特征是：

(1)模擬共軌噴油器不同工作狀態(tài)，通過(guò)安裝在高壓油管上的夾持式壓力傳感器來(lái)采集高壓油管壓力波動(dòng)信號(hào)，并且將采集的壓力信號(hào)分為訓(xùn)練信號(hào)和測(cè)試信號(hào)；

(2)使用改進(jìn)的EEMD算法對(duì)所有壓力信號(hào)進(jìn)行自適應(yīng)分解，降低冗余信號(hào)干擾；

(3)計(jì)算濾波后壓力信號(hào)的層次加權(quán)排列熵，即HWPE，以信息熵值作為壓力信號(hào)的故障特征；

(4)將所有訓(xùn)練樣本的信息熵值作為特征向量輸入支持向量機(jī)多分類(lèi)器中，用來(lái)訓(xùn)練SVM分類(lèi)模型；

(5)將所有測(cè)試樣本的信息熵值輸入訓(xùn)練完成的SVM多分類(lèi)器中，輸出共軌噴油器故障分類(lèi)識(shí)別結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種共軌噴油器故障診斷方法，其特征是：步驟(1)中模擬的共軌噴油器工作狀態(tài)包括噴油器正常工況、噴油器針閥卡滯和噴油器噴孔堵塞。

3.根據(jù)權(quán)利要求1所述的一種共軌噴油器故障診斷方法，其特征是：步驟(2)中的改進(jìn)的EEMD的具體方法為：

A、將原始信號(hào)經(jīng)過(guò)中值濾波，消除信號(hào)脈沖噪聲；

B、對(duì)濾波后的信號(hào)進(jìn)行EEMD分解，得到IMF分量。

C、利用小波軟閾值去噪的方法對(duì)IMF分量進(jìn)行去噪處理，t為軟限幅函數(shù)的閾值，σ是噪聲的方差，L是含噪信號(hào)的長(zhǎng)度；通過(guò)軟限幅函數(shù)實(shí)現(xiàn)去噪，軟限幅函數(shù)如下。

其中c_j(t)為IMF分量，η(c_j(t))為經(jīng)過(guò)閾值處理過(guò)的IMF分量。

4.根據(jù)權(quán)利要求1所述的一種共軌噴油器故障診斷方法，其特征是：步驟(3)中的HWPE計(jì)算是對(duì)濾波后的油管壓力信號(hào)進(jìn)行層次分析，然后計(jì)算各層次的加權(quán)排列熵，組成共軌噴油器故障特征向量，HWPE計(jì)算方法如下：

a、給定長(zhǎng)度為N的時(shí)間序列{u(i),i＝1,2,...,N}，定義平均算子Q₀和Q₁如下：

其中：N＝2ⁿ，n是正整數(shù)，算子Q₀和算子Q₁的長(zhǎng)度為2^n-1，根據(jù)平均算子Q₀和Q₁原始序列重構(gòu)為

u＝{(Q₀(u)_j+Q₁(u)_j),(Q₀(u)_j-Q₁(u)_j)},j＝0,1,2,...,2^n-1

當(dāng)j＝0或j＝1時(shí)，定義矩陣Q_j算子如下

b、構(gòu)造一個(gè)n維向量[γ₁,γ₂,...,γ_n]∈{0,1}，則整數(shù)e表示為

式中，正整數(shù)e對(duì)應(yīng)的向量是[γ₁,γ₂,...,γ_n]；

c、基于向量[γ₁,γ₂,...,γ_n]，定義時(shí)間序列u(i)每一層分解的節(jié)點(diǎn)分量如下

式中，k表示層次分割中的k層，原始時(shí)間序列u(i)在k+1層的低頻和高頻部分分別用u_k,0和u_k,1表示；

d、令每層時(shí)間序列為U＝{u₁,u₂,…,u_N}進(jìn)行相空間重構(gòu)得到一系列子序列

其中，m為嵌入維數(shù)，τ為時(shí)間延遲，K為重構(gòu)分量的個(gè)數(shù)，且K＝N-(m-1)τ，將每個(gè)重構(gòu)子序列中的元素按照其數(shù)值的大小進(jìn)行升序排列，每個(gè)重構(gòu)子序列按升序排列后得到一組符號(hào)序列π_i＝[k₁,k₂,…,k_m]；

e、計(jì)算出每個(gè)子序列的權(quán)重值ω_i：

f、任意子序列的特征信息由權(quán)重值ω_i和排列模式π_i進(jìn)行表示，對(duì)于該時(shí)間序列U共有K種排列模式，每種排列模式π_i的加權(quán)概率值為：

g、根據(jù)信息熵的定義，計(jì)算時(shí)間序列U的加權(quán)排列熵WPE值：

h、計(jì)算節(jié)點(diǎn)e和k層的層次組件的WPE，以獲得HWPE：

HWPE＝WPE(u_k,e,m,τ)。

5.根據(jù)權(quán)利要求1所述的一種共軌噴油器故障診斷方法，其特征是：步驟(4)、(5)中的SVM均采用RBF核函數(shù)進(jìn)行分類(lèi)，懲罰因子C＝1000。