胡 杰,顏伏伍

(武漢理工大學(xué),現(xiàn)代汽車零部件技術(shù)湖北省重點實驗室,武漢 430070)

前言

汽油機失火是由于點火系統(tǒng)沒有點火、噴油器不合適、壓縮未很好完成或其它原因而造成的氣缸內(nèi)未燃燒現(xiàn)象。根據(jù)不正常燃燒的程度,失火分為部分失火和完全失火。根據(jù)出現(xiàn)的頻率,失火又可以分為單次失火和連續(xù)失火。

發(fā)動機輕度失火會引起排放的惡化甚至超標(biāo),嚴(yán)重失火時可能導(dǎo)致三效催化轉(zhuǎn)化器燒壞,因此OBDⅡ法規(guī)及EOBD法規(guī)均對發(fā)動機失火檢測項目作了明文規(guī)定。國內(nèi)外針對失火故障診斷做了大量的研究工作,提出多種有效的診斷方法:基于能量模型[1]、基于寬域型氧傳感器信號[2]、基于排氣壓力信號[3]和基于發(fā)動機瞬時轉(zhuǎn)速信號[4-6]。其中發(fā)動機瞬時轉(zhuǎn)速波動法得到了廣泛的應(yīng)用,但這種方法在高轉(zhuǎn)速低負(fù)荷工況下的失火及多缸失火故障診斷時仍然存在著不足。為此文中提出了基于各缸做功時間的波動和BP神經(jīng)網(wǎng)絡(luò)的改進算法。

1 失火診斷一般算法

失火診斷一般算法[6],以發(fā)動機工作粗暴度LU作為失火診斷的依據(jù),即

式中Ti為各缸的做功時間。

用故障模擬裝置人為模擬發(fā)動機失火,失火模式分別為第 3缸單次失火(模式 1)、第 2缸和第 3缸連續(xù)兩缸失火(模式2)和第3缸連續(xù)失火(模式3)。正常工作和 3種失火模式下的轉(zhuǎn)速波形、LU波形和做功時間波形如圖 1～圖 3所示。

由圖1～圖3分析可知,通過發(fā)動機工作粗暴度能夠有效識別發(fā)動機失火故障,但不能有效區(qū)分是哪一種模式的失火。為了能夠有效識別不同失火模式和定位失火氣缸,將發(fā)動機連續(xù)工作循環(huán)劃分為若干診斷循環(huán),以 25個工作循環(huán)為一個診斷循環(huán),以每缸做功時間為一個數(shù)組,即可將做功時間分解為C1[25]、C2[25]、C3[25]、C4[25]等 4個數(shù)組,其診斷循環(huán)波形圖如圖 4所示。

2 失火診斷改進算法

2.1 信號的特征值提取

通過對比分析圖 4中不同失火模式時各缸做功時間的波動特點,發(fā)現(xiàn) 3種不同模式的失火對第 1缸影響程度有明顯的差異。第 3缸單次失火時會引起第 1缸的做功時間在平均值上下波動;而第 2缸和第 3缸相繼連續(xù)失火時,第 1缸做功時間會產(chǎn)生 2個高于平均值的雙峰;第 3缸連續(xù)失火時,第 1缸做功時間產(chǎn)生一個高于平均值的單峰,但波峰是由兩個點構(gòu)成。3種不同模式的失火對第 3缸的影響差異不是十分明顯,從波形上和幅值上都很接近,第 3缸連續(xù)失火時,波形的波動周期要比其他兩種情況多一個工作循環(huán),分析其原因,當(dāng)發(fā)動機失火一次后,會引起發(fā)動機振動和轉(zhuǎn)速的波動,如果在一個工作循環(huán)內(nèi)或相鄰兩個工作循環(huán)再發(fā)生一次失火,第2次失火對本缸的影響可能會被第 1次失火引起的振動而淹沒掉。同理可以分析不同失火模式對第 4缸和第 2缸各缸做功時間的影響。

通過上述分析可知,當(dāng)某一缸發(fā)生失火時,需要綜合各缸做功時間來判定,不同失火模式對各缸做功時間的影響程度也不一樣,因此可通過分析其信號幅值域上特征參數(shù)來進行故障模式的判定和故障缸的定位。機械系統(tǒng)監(jiān)測與診斷中常用的幅值域特征參數(shù)的具體表達式可參見文獻[7]和文獻[8]。

2.2 BP神經(jīng)網(wǎng)絡(luò)

通過上述特征值的提取,將失火故障診斷轉(zhuǎn)化成了一個模式識別的問題。由于神經(jīng)網(wǎng)絡(luò)具有非線性映射及自組織、自學(xué)習(xí)和自適應(yīng)能力而被廣泛用于函數(shù)擬合、預(yù)測、系統(tǒng)辨識、模式識別和分類等不同領(lǐng)域[8]。在分類、模式識別和故障診斷的應(yīng)用研究中,BP網(wǎng)絡(luò)應(yīng)用最為廣泛。典型的BP網(wǎng)絡(luò)的結(jié)構(gòu)如圖 5所示。它由輸入層、隱含層和輸出層組成。隱含層可以是一層或多層,各層次之間形成全互聯(lián)連接,同一層次的神經(jīng)元之間沒有連接。

BP網(wǎng)絡(luò)的學(xué)習(xí)包括信號的正向傳播和誤差的反向傳播兩個過程。在正向傳播過程中,輸入信號從輸入層經(jīng)隱含層逐層傳向輸出層,每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)。若網(wǎng)絡(luò)誤差超出設(shè)置的允許誤差,則轉(zhuǎn)入誤差的反向傳播階段,即將輸出誤差按某種形式通過隱含層向輸入層逐層返回,并分配給各層的所有神經(jīng)元,從而使各層神經(jīng)元以獲得的誤差信號作為修改網(wǎng)絡(luò)權(quán)值和閾值的依據(jù)。BP學(xué)習(xí)算法采用梯度搜索算法,以使網(wǎng)絡(luò)的實際輸出值與期望輸出值的誤差均方值為最小。

2.3 失火診斷流程

根據(jù)各缸做功時間波動提取的波形特征值,結(jié)合BP神經(jīng)網(wǎng)絡(luò),提出了一種快速的失火診斷方法:首先通過數(shù)據(jù)采集系統(tǒng)得到各缸做功時間,由此計算發(fā)動機各缸做功時間的平穩(wěn)性來判斷整機是否有失火;如果出現(xiàn)失火,再根據(jù)各缸做功時間的特征值和BP神經(jīng)網(wǎng)絡(luò)來判斷發(fā)動機的失火模式和定位失火氣缸。失火故障診斷的基本流程如圖 6所示。

3 試驗研究及結(jié)果分析

3.1 試驗裝置

試驗在TU5JP4電控汽油機臺架上進行,發(fā)動機的主要性能參數(shù)見表 1。失火故障模擬使用失火故障模擬器[9],故障模擬器的連接方式如圖 7所示。將發(fā)動機的點火信號和曲軸位置傳感器信號與BOSCH ME7.4.5電控系統(tǒng)采用的判缸信號引入失火故障模擬器,即可實現(xiàn)判缸和失火控制。根據(jù)需要失火故障模擬器能實現(xiàn)發(fā)動機單缸均勻失火、連續(xù)失火或多缸連續(xù)失火等功能。測功機系統(tǒng)采用AVL PUMA OPEN1.2。

表1 TU5JP4主要性能參數(shù)

3.2 試驗結(jié)果及分析

圖8是不同模式下的轉(zhuǎn)速波動情況。

由圖可見:當(dāng)發(fā)動機正常工作時,轉(zhuǎn)速波動較為平穩(wěn),當(dāng)發(fā)動機第 3缸單次失火時會引起轉(zhuǎn)速較大的波動,波動的幅值在±50r/min;當(dāng)?shù)?缸和第3缸連續(xù)失火時轉(zhuǎn)速波動與第 3缸單次失火時很接近,由于第 2缸與第 3缸的做功相位相差 360°,因此由第 2缸失火引起的轉(zhuǎn)速波動的幅值和相位與第 3缸失火時相同,因此很難從轉(zhuǎn)速波動的波形上進行區(qū)分;第3缸連續(xù)失火時,由于兩次失火間隔一個工作循環(huán),由第 1次失火引起的轉(zhuǎn)速波動在第2次失火時波動的幅值已經(jīng)有所衰減,因此當(dāng)?shù)?2次失火發(fā)生時,轉(zhuǎn)速波動幅值產(chǎn)生了一個突變,從圖中可以看到一個非常明顯的折轉(zhuǎn)點。

圖9～圖 12是不同失火模式下一個診斷循環(huán)內(nèi)的做功時間波動圖形,每個圖的 4個子圖分別對應(yīng) 1缸、3缸、4缸和 2缸做功時間波動情況。

根據(jù)文中特征值的提取方法,針對 4種不同模式各缸做功時間的波形,提取各種特征值。圖 13為不同模式下提取的各缸做功時間波形的峭度指標(biāo)。

通過分析可知:在正常工作時,各缸做功時間的峭度指標(biāo)在 10～20之間,而在失火模式下,峭度指標(biāo)集中分布在 20～70,說明在正常工作與失火時的峭度指標(biāo)存在較大差異;雖然在不同失火模式下的峭度指標(biāo)的值非常接近,但各缸峭度指標(biāo)的變化趨勢完全不同。因此,可根據(jù)峭度指標(biāo)的值與變化趨勢來判定發(fā)動機是否失火以及是何種模式的失火。限于篇幅的原因,不對每個特征值的選擇作詳細(xì)的論述,其他特征值的選取原則與峭度指標(biāo)的選取相似,一是該特征值對不同模式的敏感度,二是該特征值是否能夠有效區(qū)分不同失火模式,三是該特征值是否與其他特征值有重復(fù)之處。通過分析和對比不同模式下的各缸做功時間的各種特征值,選取其中的均值μx、標(biāo)準(zhǔn)差S、峰值)、偏態(tài)指標(biāo)K3和峭度指標(biāo) K46個特征值進行失火故障模式的識別,如表 2～表 5所示。減少特征值的數(shù)量有利于節(jié)省內(nèi)存空間和計算時間,以滿足失火故障的實時診斷和在線監(jiān)測的需求。

采用單隱層結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò),其網(wǎng)絡(luò)拓?fù)浣Y(jié)果如圖14所示,輸入單元數(shù)為24,即以每缸做功時間波形的特征值作為輸入信號,中間隱層的神經(jīng)網(wǎng)絡(luò)元個數(shù)為 7,輸出結(jié)果為 4種不同的工作模式,輸出結(jié)果由 0、1編碼來表示,00表示正常工作,01表示第 3缸單次失火(模式1),10表示第 2-3缸連續(xù)失火(模式2),11表示第 3缸連續(xù)失火(模式3)。為了加快訓(xùn)練速度,避免陷入局部極小值,使用Levenberg-Marquardt算法和附加動量法對網(wǎng)絡(luò)進行訓(xùn)練,允許的網(wǎng)絡(luò)均方誤差為0.000 1。以表 2～表5中每種模式下提取的 24個特征值作為訓(xùn)練樣本,每種模式下選取30組樣本,2/3用于網(wǎng)絡(luò)訓(xùn)練,1/3用于網(wǎng)絡(luò)檢測。表6為采用 BP神經(jīng)網(wǎng)絡(luò)進行失火模式識別的結(jié)果,它表明神經(jīng)網(wǎng)絡(luò)輸出結(jié)果與實際情況相當(dāng)吻合,具有很好的故障模式識別能力。

表2 正常工作時各缸做功時間波形特征值

表3 第3缸失火時各缸做功時間波形特征值

表4 第2-3缸失火時各缸做功時間波形特征值

表5 第 3缸連續(xù)失火時各缸做功時間波形特征值

表6 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練和測試結(jié)果

4 結(jié)論

(1)通過對做功時間的處理,得到各缸做功時間的波動信號,在深入分析其波形的基礎(chǔ)上,提取各缸做功時間的特征值,并結(jié)合 BP神經(jīng)網(wǎng)絡(luò),能夠有效地進行失火故障模式的判斷和失火缸的定位。

(2)通過試驗驗證了該方法診斷發(fā)動機失火故障的有效性,為診斷發(fā)動機多缸失火提供了一種新的思路,但這種方法對其他工況是否通用,有待進一步的研究和驗證。

[1] Francisco V,Tinaut,Andres Melgar,et al.Misfire and Compression Fault Detection Through the Energy Model[J].Mechanical System and Signal Processing,2007,21:1521-1535.

[2] Chung Youngkyo,Bae Choongsik,Choi Sangm in,et al.Application of aWide Range Oxygen Sensor for the Misfire Detection[C]. SAE Paper 1999-01-1485.

[3] Massimo Ceccarani,Corrado Rebottini,Riccardo Bettini.Engine Misfire Monitoring for a V 12 Engine by Exhaust Pressure Analysis [C].SAE Paper 980518.

[4] 劉世元,杜潤生,楊叔子.利用轉(zhuǎn)速波動信號診斷內(nèi)燃機失火故障的研究[J].內(nèi)燃機學(xué)報,2000,18(3).

[5] MatteoMontani,Nicolo Speciale.Multiple Misfire Identification by a Wavelet-Based Analysis of Crankshaft Speed Fluctuation[C]. 2006 IEEE International Symposium on Signal Processing and Information Technology.

[6] Davide M oro,Piero Azzoni,Giorgio Minelli,et al.Misfire Pattern Recognition in High Performance SI 12-Cylinder Engine[C].SAE Paper 980521.

[7] 李國華,張永忠.機械故障診斷[M].北京:化學(xué)工業(yè)出版社, 2003.

[8] 鐘秉林,黃仁.機械故障診斷學(xué)[M].北京:機械工業(yè)出版社, 2007.

[9] 顏伏伍,胡杰,鄒斌.基于OBD失火故障模擬及診斷技術(shù)的研究[J].武漢理工大學(xué)學(xué)報(信息與管理工程版),2009,31(1).