馮 斌

(四川三河職業(yè)學(xué)院，四川 瀘州 646200)

0 引言

汽車業(yè)自19世紀(jì)末葉發(fā)展至今，生產(chǎn)技術(shù)不斷進步。汽車功能的增加使汽車結(jié)構(gòu)逐漸復(fù)雜，復(fù)雜的結(jié)構(gòu)極易導(dǎo)致汽車發(fā)生故障。因此，針對這一缺陷，各個國家制定了汽車相關(guān)法律法規(guī)，為汽車故障診斷[1]提出了更加嚴(yán)格的要求。汽車發(fā)動機作為整個汽車的核心，是汽車發(fā)生故障的高頻率部件，因此及時辨別汽車發(fā)動機故障類型，完成故障診斷[2]是保障汽車安全行駛的關(guān)鍵。發(fā)動機故障主要是基于汽車的實時狀態(tài)，分析發(fā)動機運行情況，辨識出故障類型，完成故障的精準(zhǔn)定位，從而為故障修復(fù)提供保障。

文獻[3]提出基于故障特征頻率的精密機械主軸復(fù)合故障定位方法。該方法依據(jù)信號分析方法獲取機械設(shè)備故障信號特征；再通過采集的機械相關(guān)參數(shù)，計算設(shè)備的故障特征頻率，確定機械故障模式；最后根據(jù)特征值與信號頻率關(guān)系，確定機械的故障位置，從而實現(xiàn)故障定位。由于該方法未能在故障定位前，依據(jù)機械具體結(jié)構(gòu)，對機械故障類型展開具體分析，導(dǎo)致該方法在故障定位時，故障定位精度低。文獻[4]提出大型發(fā)電機及其機端外接元件單相接地故障定位。該方法通過方向辨別原理將機械設(shè)備外接元件劃分成設(shè)備本體、磁變高壓繞組、高場高壓繞組以及外接元件幾部分；再依據(jù)排除法對各部分依次排查，通過排查結(jié)果完成發(fā)電機故障的定位。該方法在故障排查時存在問題，所以其故障定位效果差。文獻[5]提出基于微分方程算法的光伏并網(wǎng)聯(lián)絡(luò)線故障定位方法。該方法基于微分方程建立故障的暫態(tài)過程，通過二階巴特沃斯濾波器處理相關(guān)電壓、電流，依據(jù)故障點電壓重構(gòu)算法提高故障距離迭代的正確性，從而實現(xiàn)故障的精準(zhǔn)定位。該方法在處理電壓值時存在誤差，所以其故障定位性能差。

為解決上述故障定位方法中存在的問題，提出基于神經(jīng)網(wǎng)絡(luò)的汽車發(fā)動機機械設(shè)備故障定位。

1 汽車發(fā)動機故障特征提取方法

1.1 汽車發(fā)動機故障類型分析

當(dāng)前汽車發(fā)動機主要為汽油發(fā)動機，發(fā)動機的部件較為多樣化，電路系統(tǒng)較為復(fù)雜，因此依據(jù)相關(guān)結(jié)構(gòu)，將發(fā)動機故障劃分成電控、燃油、點火系統(tǒng)以及機械設(shè)備幾類，從而提高發(fā)動機檢測效率[6]。具體故障發(fā)生原因與故障發(fā)生狀態(tài)如下所述。

a.發(fā)動機怠速控制閥故障。當(dāng)汽車發(fā)動機出現(xiàn)怠速或怠速控制閥故障時，發(fā)動機啟動困難，加速時會發(fā)生回火、怠速不穩(wěn)定、轉(zhuǎn)向過高與排氣消聲器出現(xiàn)放炮現(xiàn)象。

b.發(fā)動機點火線圈故障。汽車啟動時，若發(fā)動機出現(xiàn)啟動困難，且汽車失速、怠速不穩(wěn)、轉(zhuǎn)向過高現(xiàn)象時，即可判定汽車發(fā)動機點火線圈故障。

c.汽車發(fā)動機點火正時不對。汽車啟動時，出現(xiàn)啟動困難、有時失速，并伴有加速回火、怠速不穩(wěn)、加速無力、易爆震[7]，汽油機溫度過高、消聲器放炮等現(xiàn)象，即可判定汽車發(fā)動機出現(xiàn)點火正時不對現(xiàn)象。

d.發(fā)動機火花塞故障。汽車發(fā)動機的火花塞故障與點火正時不對故障發(fā)生現(xiàn)象較為接近，但是發(fā)動機火花塞發(fā)生故障時，不會出現(xiàn)加速回火、怠速轉(zhuǎn)向高以及汽油機溫高的現(xiàn)象。

e.傳感器故障。發(fā)動機傳感器故障類型較多，一般情況下，會將機器大致分成空氣流量故障、溫度故障、曲軸位置故障以及傳感器自身故障4大類。汽車發(fā)動時出現(xiàn)加速回火、怠速不穩(wěn)定、轉(zhuǎn)向高、加速無力以及消聲器放炮現(xiàn)象時，說明發(fā)動機傳感器本身出現(xiàn)故障；若出現(xiàn)啟動困難、行駛失速、怠速不穩(wěn)定與怠速轉(zhuǎn)向高、加速無力時，判定發(fā)動機空氣流量傳感器發(fā)生故障；若只是出現(xiàn)啟動困難、加速回火、怠速不穩(wěn)定、轉(zhuǎn)向高、汽油機溫高等現(xiàn)象時，說明是發(fā)動機溫度傳感器出現(xiàn)故障；若出現(xiàn)啟動困難和消聲器放炮現(xiàn)象時，可直接認(rèn)定為曲軸位置傳感器故障。

f.節(jié)氣門故障以及進氣管漏氣故障。汽車發(fā)動機在工作過程中，出現(xiàn)啟動困難、加速回火、怠速不穩(wěn)定[8]，并伴有轉(zhuǎn)向高、加速無力等現(xiàn)象時，可認(rèn)定發(fā)動機出現(xiàn)節(jié)氣門故障或者進氣管漏氣故障，具體故障類型，可經(jīng)由相關(guān)維修人員予以認(rèn)定。

g.空氣濾清器故障。汽車行駛時，若檢測到發(fā)動機出現(xiàn)怠速不穩(wěn)、加速無力時，說明發(fā)動機空氣濾清器出現(xiàn)問題，需要及時檢修。

h.噴油器故障以及燃油供給系統(tǒng)故障。汽車發(fā)動機工作過程中，若出現(xiàn)啟動困難、加速回火、怠速不穩(wěn)定、怠速轉(zhuǎn)向高、加速無力、汽油機溫高以及消聲器放炮現(xiàn)象時，說明發(fā)動機噴油器出現(xiàn)問題，若發(fā)動機發(fā)生除汽油機溫高以外所有現(xiàn)象時，說明發(fā)動機燃油供給系統(tǒng)發(fā)生故障。

i.潤滑系統(tǒng)故障以及蓄電池故障。汽車發(fā)動機潤滑系統(tǒng)故障時，只會出現(xiàn)發(fā)動機爆震現(xiàn)象；蓄電池故障時，只會出現(xiàn)發(fā)動機啟動困難。

j.氣缸積碳故障。若汽車發(fā)動機出現(xiàn)怠速不穩(wěn)定、加速無力以及汽油機溫高時，認(rèn)定該故障為氣缸積碳故障。

1.2 發(fā)動機故障特征提取方法

依據(jù)上述分析結(jié)果，采集發(fā)動機振動信號，通過信號的處理，獲取發(fā)動機故障特征向量。

獲取發(fā)動機工作時的振動信號，采用小波包原理分析發(fā)動機振動信號，依據(jù)分析結(jié)果將信號劃分成多個層次，通過信號分解，提取振動信號相關(guān)特征。

設(shè)定發(fā)動機采集信號的正交尺度函數(shù)為ψ(t)，以此獲取信號的小波函數(shù)，過程表示為

(1)

?(t)為信號的小波函數(shù)標(biāo)；g0l、g1l為濾波器系數(shù)；t為信號當(dāng)前狀態(tài)；l為常數(shù)。依據(jù)上述方程表達式，利用遞推算法進一步獲取二者之間的遞推關(guān)系，過程表示為

(2)

αn(2t-l)為小波包函數(shù)。

由于小波包函數(shù)具備平移正交特性，所以設(shè)定信號函數(shù)集合αm(t-l)m∈Z為尺度函數(shù)小波包，以此對小波包特性[9]展開描述，獲取信號的正交關(guān)系值，過程表示為

βlk=αm(t-l)×αm(t-l)

(3)

βlk為信號之間的正交關(guān)系值；l、k為參數(shù)。通過上述獲取的信號關(guān)系，使用小波包能量譜分析方法，對采集的發(fā)動機振動信號展開正交分解，通過分解結(jié)果，獲取信號特征向量值，并將其作為發(fā)動機故障特征向量。

通過設(shè)定小波變換中，發(fā)動機原始信號為h(x)，信號時域為L2(R)，以此獲取信號的時域能量值，過程表示為

(4)

(5)

M為信號的數(shù)據(jù)長度；l為信號分解層數(shù)；i為序號；xin為信號離散幅值；Wli為獲取的信號能量。

發(fā)動機運行過程中發(fā)生故障時，發(fā)動機振動信號的信號能量會發(fā)生變化，這時就能夠通過信號能量的能量占比，獲取發(fā)動機運行狀態(tài)的故障特征向量，結(jié)果為

Wi=w1,w2,…,w10

(6)

Wi為發(fā)動機運行狀態(tài)的故障特征總向量；w1,w2,…,w10分別對應(yīng)為上述確定的各項故障類型。

2 發(fā)動機故障定位方法

依據(jù)上述獲取的發(fā)動機故障特征向量值，結(jié)合人工神經(jīng)網(wǎng)絡(luò)建立汽車發(fā)動機故障定位模型，并以此完成汽車發(fā)動機的故障定位。

2.1 建立模型

依據(jù)上述確定的故障特征向量結(jié)合人工神經(jīng)網(wǎng)絡(luò)[11]，建立汽車發(fā)動機的故障定位模型。發(fā)動機故障定位模型分為輸入、輸出和隱藏3個部分。輸入層輸入值即為獲取的故障特征向量，模型輸出值則為故障點位置。

設(shè)定pi為模型輸入層向量，uij為與隱藏層之間的權(quán)值，δi為隱藏層節(jié)點閾值，uik為該層與輸出層之間的權(quán)值，φ(p)、ψ(p)為激勵函數(shù)，γk為輸出層節(jié)點閾值，qk為輸出層輸出向量，i、j、k為模型各層級節(jié)點。模型具體結(jié)構(gòu)如圖1所示。

圖1 基于神經(jīng)網(wǎng)絡(luò)的發(fā)動機故障定位模型

2.2 確定模型參數(shù)

模型建立后，使用遺傳算法[12]獲取模型相關(guān)參數(shù)值。過程如下所述。

a.初始化種群。初始化模型，設(shè)定模型交叉概率值、變異概率值，以此對故障定位模型實施初始化處理，依據(jù)處理結(jié)果，初始化種群。

b.建立個體評價函數(shù)。基于種群初始化結(jié)果，建立種群個體適應(yīng)度函數(shù)，并對計算結(jié)果展開排序處理，過程表示為

(7)

gi為種群個體i的適應(yīng)度值；f(x)為適應(yīng)度函數(shù)；M為染色體數(shù)量；k為輸出層節(jié)點；Sk為評價信號；Y(i)為個體信號能量；x為樣本數(shù)量；Bk為個體實際適應(yīng)度值。

c.種群個體交叉、變異操作。通過個體最大適應(yīng)度值對種群個體交叉操作，基于交叉結(jié)果完成種群變異，獲取新的種群以及適應(yīng)度函數(shù)。

d.結(jié)束條件。建立結(jié)束條件，在種群中尋找出最佳種群個體時，觸發(fā)結(jié)束條件，依據(jù)計算結(jié)果獲取模型全局最佳適應(yīng)度值，確定模型連接權(quán)值以及閾值。

2.3 故障定位流程

汽車發(fā)動機故障定位算法分為確定權(quán)值、閾值，信號正反向傳播以及閾值修正等幾方面?；谏窠?jīng)網(wǎng)絡(luò)故障定位模型的故障定位流程如圖2所示。

圖2 基于神經(jīng)網(wǎng)絡(luò)故障定位流程

最后通過發(fā)動機故障定位模型[13]輸出層向量完成發(fā)動機故障的精準(zhǔn)定位。

3 實驗

為了驗證上述故障定位方法的整體有效性，需要對此方法展開測試，測試發(fā)動機如圖3所示。

圖3 汽車發(fā)動機

分別采用基于神經(jīng)網(wǎng)絡(luò)的汽車發(fā)動機機械設(shè)備故障定位(本文方法)、基于故障特征頻率的精密機械主軸復(fù)合故障定位方法(方法1)、大型發(fā)電機及其機端外接元件單相接地故障定位(方法2)進行測試。

定位發(fā)動機故障位置時，故障定位性能測試是檢測故障定位方法優(yōu)劣的關(guān)鍵，因此，采用本文方法、方法1以及方法2開展發(fā)動機故障定位時，選取相關(guān)測試指標(biāo)對3種故障定位方法展開測試，從而分析3種方法的故障定位性能。

3.1 定位精準(zhǔn)度測試

在發(fā)動機故障定位過程中，選取發(fā)動機故障位置功率幅值為測試指標(biāo)，測試3種發(fā)動機故障定位方法的定位精準(zhǔn)度，結(jié)果如圖4所示。

圖4 不同故障定位方法故障位置功率譜幅值測試結(jié)果

在故障定位測試過程中，測試出的信號功率譜幅值與實際故障位置功率譜幅值越接近，說明故障定位方法的故障定位結(jié)果越準(zhǔn)確。由圖4可知，本文方法測試結(jié)果與發(fā)動機故障位置實際功率譜幅值相接近，而方法1與方法2測試結(jié)果與發(fā)動機故障位置實際功率譜幅值之間存在較大誤差。由此可知，本文方法在開展發(fā)動機故障定位過程中，定位精準(zhǔn)度高。

3.2 定位效果測試

在實施發(fā)動機故障定位過程中，選取故障定位誤報性能以及定位時間2種測試指標(biāo)，以此測試本文方法、方法1以及方法2這3種方法的故障定位效果，結(jié)果如圖5和表1所示。

故障定位時，誤報數(shù)量越多，說明故障定位方法的定位效果越差，誤報數(shù)量越少，說明故障定位方法的定位效果越好。

隨著測試時間的增加，故障定位方法的誤報率呈上升趨勢。但是，3種故障定位方法中，本文方法的測試結(jié)果低于方法1以及方法2的測試結(jié)果，這主要是因為所提方法在故障定位前依據(jù)發(fā)動機具體結(jié)構(gòu)，對發(fā)動機故障類型展開了具體分析，所以本文方法在故障定位時誤報數(shù)量低。

圖5 不同故障定位方法的誤報率測試結(jié)果

表1 不同故障定位方法的定位時間測試結(jié)果

汽車發(fā)動機故障定位時間越長，說明故障定位方法的定位效果越差，反之則越好。由表1可知，發(fā)動機故障數(shù)量越多，故障定位時間越長。本文方法的故障定位時間遠(yuǎn)遠(yuǎn)低于方法1以及方法2的故障定位時間。

綜上所述，本文方法在開展故障定位時，定位效果好，定位精準(zhǔn)度高。

4 結(jié)束語

汽車的發(fā)動機故障定位作為汽車故障檢測中重要的一部分，在故障檢測中起到的作用尤為重要。針對傳統(tǒng)故障定位方法中存在的問題，提出基于神經(jīng)網(wǎng)絡(luò)的汽車發(fā)動機機械設(shè)備故障定位方法。該方法依據(jù)發(fā)電機故障類型分析結(jié)果，通過小波包原理提取發(fā)動機故障特征向量；利用人工神經(jīng)網(wǎng)絡(luò)結(jié)合獲取的特征向量建立汽車發(fā)動機故障定位模型，完成汽車的發(fā)動機故障定位。該方法由于在建立故障定位模型時，還存在一些問題，今后會針對該項缺陷，繼續(xù)對該故障定位方法優(yōu)化，直至該方法完善。