基于数学模型的内燃机燃烧信号提取方法研究

刘会彩

摘要： 为提高内燃机燃烧信号提取精度，引入数学模型，开展对内燃机燃烧信号提取方法的设计研究。通过基于数学模型的燃烧信号采样点离散处理、基于广义维数的特征信号重组，提出一种全新的提取方法。通过对比实验证明，设计的提取方法与基于MEEMD-HHT的提取方法相比，得出的结果更接近实际值，可以有效提高内燃机燃烧过程中信号的提取精度，为后续内燃机运行监测提供可靠技术条件。

Abstract： In order to improve the extraction accuracy of combustion signal of internal combustion engine， a mathematical model was introduced to design and study the extraction method of combustion signal of internal combustion engine. A new extraction method was proposed by discrete processing of sampling points of combustion signals based on mathematical model and recombination of characteristic signals based on generalized dimension. Through comparative experiments， it is proved that compared with the extraction method based on MEEMD-HHT， the results obtained by the designed extraction method are closer to the actual value. It can effectively improve the signal extraction accuracy of internal combustion engine and provide reliable technical conditions for subsequent monitoring of internal combustion engine.

關键词： 数学模型;内燃机;燃烧信号;提取方法

Key words： mathematical model;the internal combustion engine;combustion signal;extraction method

中图分类号：TK401                                      文献标识码：A                                  文章编号：1674-957X（2021）21-0029-02

0  引言

内燃机属于一种典型的柴油机设备，此种设备在使用中具有运动结构复杂的特点，正因如此，使得内燃机在运行时存在较多的振动激励源，从而导致内燃机燃烧信号的频率分布范围较广。针对此种信号，倘若前端采用直接测量的方式进行信号获取，此时捕获到的燃烧信号具有不平稳特点，而此种非平稳类型的燃烧信号在实际应用中的价值相对较低。目前，大部分获取的燃烧信号均用于内燃机故障诊断方面，在完成信号的采集后，使用某种既定的手段，进行信号特征的分析，即可实现对内燃机运行故障的事前预测[1]。可以通过提取内燃机燃烧信号，对信号的表达方式进行及时监控，可以有效确保内燃机设备的运行保持一种相对平稳的状态，从而实现对设备故障的研判以及节能控制和排放量控制。本文利用数学模型对信号采样点进行分解处理获取燃烧信号，通过均值次数计算的方式添加定幅值的噪声，以此得出信号采样点分量均值，实现燃烧信号采样点的离散化处理。采用盒计数法完成维度重叠信号筛查，对特征信号进行拆分与重组，最终完成信号的提取，可以有效提高内燃机燃烧过程中信号的提取精度。

1  基于数学模型的内燃机燃烧信号提取方法

1.1 基于数学模型的燃烧信号采样点离散处理

为了实现对内燃机燃烧信号中价值性信息的提取，在此次研究中，引进数学模型，采用对信号采样点进行离散化处理的方式，获取内燃机在运行时的多维度信号。传统的采样点处理方法为EMD法，即在采样或获取信号时，通过保持采样点的连续性实现对信号的连续化处理[2]。但此种采样方式会导致获取的燃烧信号存在大量重叠区域，甚至是十分严重的模态混搭，而在本章研究中提出的数学模型可以通过对采样点的分解处理，在获取的信号中插入高斯白噪声，使燃烧信号在不同维度上呈现一种间断性特点，从而确保获取的燃烧信号具有后续分析价值。上文提出内容的具体操作步骤如下：

按照EDM法进行燃烧信号采样点的确定，对采样的总数进行均值次数计算，得到一个给定的采样M值。对M值进行初始化处理，并在初始化的过程中，在信号内插入高斯白噪声，噪声幅度表示为m，对应m的值设定为1.0。将初始化后的M个采样点进行空间划分，即对每个固定取值点进行m次数的分解[3]。将具有定幅值的噪声添加到指定维度的燃烧信号上，此时，可将携带高斯白噪声的燃烧信号使用数学模型表示，表达式如下：

公式（1）中：xm（t）表示为携带高斯白噪声的内燃机燃烧信号数学表达式;x（t）表示为内燃机燃烧原始信号;

nm（t）表示为添加白噪声的次数。在完成对采样点信号的集中处理后，使用数学模型中的线性辅助离散处理法，对xm（t）进行采样，得到一个针对燃烧信号的分量信息，将对应的分量信息表示为cm，n，其中n的取值在[1～N]范围内。倘若在采样过程中，存在m

如下：

公式（2）中：y表示为离散后的内燃机燃烧信号采样点。按照此种方式，输出采样点集合，实现对内燃机燃烧信号采样点的离散化处理。

1.2 基于广义维数的特征信号重组

在完成对内燃机燃烧信号采样点的离散化处理后，通过控制对接终端通信设备，对不同维度下的内燃机燃烧特征信号进行获取[4]，具体如图1所示。

根据图1可知，利用加权平均法可以有效完成形态滤渡。通过计算获取的特征信号加权平均值，利用数学模型的方式进行特征信号提取。考虑到此时提取的信号属于多维度信号，信号中不仅携带噪声，同时也存在维度上的重叠，因此，需要基于广义维度数，对特征信号进行拆分与重组。为了实现对多维度信号的有效描述，引进盒计数法，通过对维度的简单分域，进行维度重叠信号的筛查。此过程的计算表达式如下：

公式（3）中：Kq（ε）表示为在q维度下，采样信号ε的重叠范围;i表示为采样行为发生次数;P表示为信号的广义维数;q表示为重叠信号维度。当q=0时，此时在广义维数下，分母值为-1，可以认为此时计算得到的Kq（ε）值<0，即获取的燃烧信号无重叠，直接对接不同维度下的采样信号即可生成连续的燃烧信号;当q=1时，分母值为0，采样结果无意义;当q>1时，可以认为此时计算得到的Kq（ε）值>0，按照计算得到的重叠值进行信号筛查，并删除其中的噪声信号，对接不同维数下的信号值，使获取的信号呈现连续性特点，即可认为完成对信号的提取。综上所述，完成基于数学模型的内燃机燃烧信号提取方法设计。

2  对比实验

通过本文上述论述，从理论方面实现对信号提取方法的理论设计，为了进一步验证该方法在实际内燃机运行过程中的提取效果，选择将其与基于MEEMD-HHT的信号提取方法进行对比，通过得出的实验结果验证两种提取方法的应用性能。选择以SD46-460型号内燃机作为研究对象，该内燃机为4W34T二缸内燃机，在正常工作相位上，内燃机的1缸与2缸之间发火间隔180°CA，2缸与1缸之间发火间隔为540°CA。图2为SD46-460型号内燃机的各激励工作相位示意图。

根据图2所示的各激励工作相位基本信息，针对该内燃机在燃烧过程中的信号进行提取，选择将力锤信号和振动加速度信号作为提取的主要信号类型，在SD46-460型号内燃机上设置加速度传感器，通过脉冲锤敲击SD46-460型号内燃机，使之产生力锤信号和激励响应的振动加速度信号，经FFT分析仪得出具体信号数值。对比两种提取方法提取到的信号结果与该内燃机在燃烧过程中的实际信号数据进行对比，并将结果绘制成表1所示。

从表1得出的实验结果进一步计算得出，本文提取方法获取到的力锤信号和振动加速度信号与实际值之间均相差0.01，这是由于在提取内燃机燃烧特征信号时将维度进行了分域，可以对维度重叠信号进行筛查，得出有效燃烧信号，提升力锤信号和振动加速度信号判断。而基于MEEMD-HHT的提取方法两种信号提取结果均与实际值相差较大。因此，通过上述实验证明，本文提出的提取方法具有更高的提取精度，可为后续内燃机燃烧异常状态的快速修复提供可靠信息依据。

3  结束语

现如今，在信号提取与处理领域中，使用的较为频繁的技术为小波转换技术，尝试通过小波函数，对内燃机燃烧信号波形的分析，但使用此种技术进行信号提取的过程具有多尺度分析性特点，无法在实现对信号的获取后对其进行细致化的分解。为了完善信号提取方法，本文在研究中，引进了数学模型，对内燃机信号采样点分解处理后采用广义维度数重组信号，基于此模型的应用，进行內燃机燃烧信号提取方法的设计，从而为实现内燃机的稳定化与持续化运行作出指导。但是由于时间和研究条件有限，实验对象选取不够宽泛，比如此次研究仅选取一种型号的内燃机作为实验对象，数据结果缺少普适性，因此在之后的研究中将进行多种型号的内燃机选择，以此来夯实实验研究结果，以期为后续内燃机运行监测提供理论支持。

参考文献：

[1]师涛.基于时域分割算法的断路器振动信号故障特征提取方法[J].电力设备管理，2021（03）：158-159.

[2]马俊添，张素明，阎小涛，陈海宝.基于图像识别的机械振动信号特征提取与寿命预测方法研究[J].宇航总体技术，2021，5（04）：33-42.

[3]于淼，张耀鲁，徐泽辰，等.基于MEEMD-HHT的分布式光纤振动传感系统信号特征提取方法[J].红外与激光工程，2021，50（07）：207-218.

[4]杨刚，杨小青，钟欣.基于短时傅里叶变换和时域包络的AEB系统预警声信号时间提取方法[J/OL].汽车技术，1-7.