排灌机械工程学报

作者：李斌,林杰威,朱小龙,林耕毅,张益铭,张俊红,*

单位：1. 天津大学先进内燃动力全国重点实验室, 天津 300350;2. 天津仁爱学院, 天津 301636;3. 潍柴雷沃智慧农业科技股份有限公司, 山东 潍坊 261220

关键词：柴油机,声信号,故障诊断,自适应变分模态提取,支持向量机

基金：国家重点研发计划项目(2021YFD2000303)

利用声振信号进行发动机故障诊断过程中,部分故障激励仅在发动机表面特定位置的振动中有较强响应,振动测点要求高,需要接触测量,部分场景难以实现.为此,提出了一种以表面辐射声为媒介、以自适应变分模态提取(adaptive variational mode extraction,AVME)进行预处理的柴油机进气故障和齿轮故障诊断方法.开展了某直列六缸重型柴油机的进气滤清器堵塞、气门间隙异常和正时齿轮损伤3类故障状态的台架试验,获取了不同故障程度下发动机表面辐射噪声.基于改进的AVME方法,实现噪声信号本征模函数(intrinsic mode function,IMF)的最优分解,通过计算IMF与原信号间的互相关系数,提取高相关IMF构成故障诊断输入.经预处理后,声信号故障特征得到有效增强,再输入到麻雀搜索算法优化支持向量机模型(support vector machine model optimized by sparrow search algorithm,SSA-SVM),进行特征参量和模型参数协同优化可以获得更好的诊断精度.试验验证表明,无需在半消声室测试,仅使用单通道声信号对3类11种程度的进气系统和齿轮故障进行诊断,前端噪声准确率最高(98.89%),顶部噪声准确率最低(88.78%);使用前、顶、后三通道噪声数据后,诊断精度可提升至99.57%.研究结论为基于声信号等非接触测量的发动机故障诊断提供了参考.

来源：2024年第8期

《排灌机械工程学报》期刊编辑部

查看排灌机械工程学报杂志2024年第8期