基于发动机运行状态参数的故障提取方法研究

卢欣欣

摘 要：汽车发动机是机、电、液一体化的复杂系统，具有非线性、多变量、多参数和时变等特点，其故障约占汽车全部故障的40%以上。因此，为避免严重事故的发生，运用故障诊断技术及时了解发动机的工作性能，判断各部件是否处于或即将处于某种故障状态，对汽车发动机展开故障诊断技术理论和诊断系统的研究有着非常重要而又现实的意义本文以汽车最关键部件--发动机为研究对象，在分析发动机、自动变速器的工作原理和传统故障检测方式弊端的基础上，提出了基于发动机运行状态参数故障特征提取的方法。

关键词：发动机；振动信号；运行参数；故障诊断方法

1引言

基于振动信号的特征提取为车辆包括发动机、变速器等机械零部件结构的故障诊断提供了充分有效的诊断信息，与此同时，随着汽车电气化水平的迅速提高，大量电子元器件在车辆上的广泛应用，也推动了车载自诊断系统和故障诊断仪的快速发展，这些技术设备的投入和使用，为车辆电控单元的故障诊断提供了有力工具。

基于振动信号的故障诊断理论和方法，能够较好满足针对于车辆的机械结构的故障诊断，而车载自诊断系统和专业故障诊断仪的应用，也逐渐提高车辆包括发动机在内等带有电控单元部件故障诊断的水平，但与此同时我们也应该注意这样一些问题，即（1）对车辆电控部分的故障诊断主要依赖于专门的故障诊断仪和专业诊断人员的知识、经验水平等。（2）基于振动信号的故障诊断理论方法和利用专业故障诊断设备进行诊断都是得到广泛应用较成熟的方法，但这两种诊断方法和手段之间缺乏一定的联系。

本文的研究旨在根据车辆发动机、自动变速器等工作原理和故障发生特点，探索一种新的基于发动机或自动变速器单元运行状态参数的故障诊断特征提取方法，并结合基于振动信号的故障诊断方法，建立一种较为完善的车辆综合故障诊断特征提取机制。通过对人工智能理论的研究，建立有效的故障诊断理论模型和信息融合方法，在理论研究的基础上设计相应的故障诊断平台，为最终实现车辆智能综合故障诊断奠定基础。

2电控发动机结构简介

对车辆带有电控单元的部件如发动机或自动变速器的故障诊断方法进行改进，首先应该充分了解电控发动机和自动变速器的工作原理、常见故障以及传统的排除故障方法，发现存在的问题，寻求最优解决方案。

电控汽油喷射系统虽然种类很多，结构差异也比较大，但是它们的基本组成以及控制原理基本是相同的。电控汽油喷射系统主要由空气供给系统、燃油供给系统以及电子控制系统三个部分组成。它的结构如图1所示。

2电控发动机常见故障及排除方法

电控发动机电控系统的工作状况对发动机的运转性能有很大影响，无论是该系统的电脑、控制线路还是其他任何一个传感器、执行器出现故障，都会在一定程度上影响发动机的起动性、运转稳定性、动力性、经济性、排放性等诸多性能。因此，当电控发动机出现故障或性能下降时，首先应检查该发动机的电控系统有无故障。

电控发动机常见的故障包括无法启动、怠速不稳等，以下以怠速不稳为例简要介绍其故障产生原因和诊断、排除方法。

（1）故障现象：发动机起动正常，但不论冷车或热车，怠速均不稳定，怠速转速过低，易熄火。

（2）故障原因：①进气系统中有漏气；②油路压力太低；③空气滤清器堵塞；④喷油器雾化不良、漏油或堵塞；⑤怠速调整不当；⑥怠速控制阀或旁通空气阀工作不良；⑦火花塞工作不良；⑧空气流量计有故障；⑨气缸压缩压力过低。

（3）故障诊断与排除

一定的故障情况下，发动机的车速、节气门开度等运行状态参数与故障原因之间存在一定的映射关系，通过对这些运行状态参数的测定和分析，可以推断发动机各部件所处的工作状态。因此，这里也可以把发动机的转速、节气门开度等运行状态参数作为故障诊断特征。与前面介绍的从振动信号中进行故障诊断特征向量提取相似，可以利用神经网络的方法抽取出这些参数（故障诊断特征向量）和发动机故障原因之間的非线性关系或特征规律，建立诊断数学模型，以便在诊断中能就此模型正确识别出对应于特征规律的故障。

车辆本身结构的复杂性和各工作单元之间的藕合关系，决定着对发动机单元的智能监测和故障诊断不单纯是对发动机本体运行状态监测，发动机本身运行状态参数的变化，将直接或间接影响到其它结构单元如自动变速器的工作状态，反之也是如此。这一点从自动变速器的组成及工作原理方面可以得到证明。

5结束语

本文首先归纳总结常用的基于发动机机械结构体振动信号的故障特征信息提取方法，在此基础上，为解决利用振动信号进行发动机机械部件故障诊断和利用专用诊断仪对发动机电控单元进行故障诊断这两种方法中存在的信息来源单一问题，提出一种新的故障诊断特征提取方法，即将发动机转速、油温、节气门开度等运行状态传感器信号作为诊断信息来源，提取其中的故障信息特征。本文的研究具有一定实践意义，为车辆故障诊断提供了参考。

参考文献：

[1]李增芳.基于主成分分析和集成神经网络的发动机故障诊断模型研究[J].农业工程学报，2016，（04）： 131-134.

[2]李增芳.基于人工智能和虚拟仪器技术的发动机故障诊断专家系统研究[D].杭州：浙江大学，2014.

[3]黄强.神经网络技术在柴油机故障诊断与控制中应用的研究[D].武汉：华中科技大学，2013.

[4]黄松波.设备故障诊断原理技术及应用[M].北京：科学出版社，2008.