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(jìn)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(duì)這一缺陷，各個(gè)國(guó)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(dòng)機(jī)作為整個(gè)汽車的核心，是汽車發(fā)生故障的高頻率部件，因此及時(shí)辨別汽車發(fā)動(dòng)機(jī)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(dòng)機(jī)故障主要是基于汽車的實(shí)時(shí)狀態(tài)，分析發(fā)動(dòng)機(jī)運(yùn)行情況，辨識(shí)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(xiàn)[3]提出基于故障特征頻率的精密機(jī)械主軸復(fù)合故障定位方法。該方法依據(jù)信號(hào)分析方法獲取機(jī)械設(shè)備故障信號(hào)特征；再通過采集的機(jī)械相關(guān)參數(shù)，計(jì)算設(shè)備的故障特征頻率，確定機(jī)械故障模式；最后根據(jù)特征值與信號(hào)頻率關(guān)系，確定機(jī)械的故障位置，從而實(shí)現(xiàn)故障定位。由于該方法未能在故障定位前，依據(jù)機(jī)械具體結(jié)構(gòu)，對(duì)機(jī)械故障類型展開具體分析，導(dǎo)致該方法在故障定位時(shí)，故障定位精度低。文獻(xiàn)[4]提出大型發(fā)電機(jī)及其機(jī)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(jī)械設(shè)備外接元件劃分成設(shè)備本體、磁變高壓繞組、高場(chǎng)高壓繞組以及外接元件幾部分；再依據(jù)排除法對(duì)各部分依次排查，通過排查結(jié)果完成發(fā)電機(jī)故障的定位。該方法在故障排查時(shí)存在問題，所以其故障定位效果差。文獻(xiàn)[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(diǎn)電壓重構(gòu)算法提高故障距離迭代的正確性，從而實(shí)現(xiàn)故障的精準(zhǔn)定位。該方法在處理電壓值時(shí)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(dòng)機(jī)機(jī)械設(shè)備故障定位。

1 汽車發(fā)動(dòng)機(jī)故障特征提取方法

1.1 汽車發(fā)動(dòng)機(jī)故障類型分析

當(dāng)前汽車發(fā)動(dòng)機(jī)主要為汽油發(fā)動(dòng)機(jī)，發(fā)動(dòng)機(jī)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(dòng)機(jī)故障劃分成電控、燃油、點(diǎn)火系統(tǒng)以及機(jī)械設(shè)備幾類，從而提高發(fā)動(dòng)機(jī)檢測(cè)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(dòng)機(jī)怠速控制閥故障。當(dāng)汽車發(fā)動(dòng)機(jī)出現(xiàn)怠速或怠速控制閥故障時(shí)，發(fā)動(dòng)機(jī)啟動(dòng)困難，加速時(shí)會(huì)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(dòng)機(jī)點(diǎn)火線圈故障。汽車啟動(dòng)時(shí)，若發(fā)動(dòng)機(jī)出現(xiàn)啟動(dòng)困難，且汽車失速、怠速不穩(wěn)、轉(zhuǎn)向過高現(xiàn)象時(shí)，即可判定汽車發(fā)動(dòng)機(jī)點(diǎn)火線圈故障。

c.汽車發(fā)動(dòng)機(jī)點(diǎn)火正時(shí)不對(duì)。汽車啟動(dòng)時(shí)，出現(xiàn)啟動(dòng)困難、有時(shí)失速，并伴有加速回火、怠速不穩(wěn)、加速無(wú)力、易爆震[7]，汽油機(jī)溫度過高、消聲器放炮等現(xiàn)象，即可判定汽車發(fā)動(dòng)機(jī)出現(xiàn)點(diǎn)火正時(shí)不對(duì)現(xiàn)象。

d.發(fā)動(dòng)機(jī)火花塞故障。汽車發(fā)動(dòng)機(jī)的火花塞故障與點(diǎn)火正時(shí)不對(duì)故障發(fā)生現(xiàn)象較為接近，但是發(fā)動(dòng)機(jī)火花塞發(fā)生故障時(shí)，不會(huì)出現(xiàn)加速回火、怠速轉(zhuǎn)向高以及汽油機(jī)溫高的現(xiàn)象。

e.傳感器故障。發(fā)動(dòng)機(jī)傳感器故障類型較多，一般情況下，會(huì)將機(jī)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(dòng)時(shí)出現(xiàn)加速回火、怠速不穩(wěn)定、轉(zhuǎn)向高、加速無(wú)力以及消聲器放炮現(xiàn)象時(shí)，說明發(fā)動(dòng)機(jī)傳感器本身出現(xiàn)故障；若出現(xiàn)啟動(dòng)困難、行駛失速、怠速不穩(wěn)定與怠速轉(zhuǎn)向高、加速無(wú)力時(shí)，判定發(fā)動(dòng)機(jī)空氣流量傳感器發(fā)生故障；若只是出現(xiàn)啟動(dòng)困難、加速回火、怠速不穩(wěn)定、轉(zhuǎn)向高、汽油機(jī)溫高等現(xiàn)象時(shí)，說明是發(fā)動(dòng)機(jī)溫度傳感器出現(xiàn)故障；若出現(xiàn)啟動(dòng)困難和消聲器放炮現(xiàn)象時(shí)，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(jìn)氣管漏氣故障。汽車發(fā)動(dòng)機(jī)在工作過程中，出現(xiàn)啟動(dòng)困難、加速回火、怠速不穩(wěn)定[8]，并伴有轉(zhuǎn)向高、加速無(wú)力等現(xiàn)象時(shí)，可認(rèn)定發(fā)動(dòng)機(jī)出現(xiàn)節(jié)氣門故障或者進(jìn)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(shí)，若檢測(cè)到發(fā)動(dòng)機(jī)出現(xiàn)怠速不穩(wěn)、加速無(wú)力時(shí)，說明發(fā)動(dòng)機(jī)空氣濾清器出現(xiàn)問題，需要及時(shí)檢修。

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

i.潤(rùn)滑系統(tǒng)故障以及蓄電池故障。汽車發(fā)動(dòng)機(jī)潤(rùn)滑系統(tǒng)故障時(shí)，只會(huì)出現(xiàn)發(fā)動(dòng)機(jī)爆震現(xiàn)象；蓄電池故障時(shí)，只會(huì)出現(xiàn)發(fā)動(dòng)機(jī)啟動(dòng)困難。

j.氣缸積碳故障。若汽車發(fā)動(dòng)機(jī)出現(xiàn)怠速不穩(wěn)定、加速無(wú)力以及汽油機(jī)溫高時(shí)，認(rèn)定該故障為氣缸積碳故障。

1.2 發(fā)動(dòng)機(jī)故障特征提取方法

依據(jù)上述分析結(jié)果，采集發(fā)動(dòng)機(jī)振動(dòng)信號(hào)，通過信號(hào)的處理，獲取發(fā)動(dòng)機(jī)故障特征向量。

獲取發(fā)動(dòng)機(jī)工作時(shí)的振動(dòng)信號(hào)，采用小波包原理分析發(fā)動(dòng)機(jī)振動(dòng)信號(hào)，依據(jù)分析結(jié)果將信號(hào)劃分成多個(gè)層次，通過信號(hào)分解，提取振動(dòng)信號(hào)相關(guān)特征。

設(shè)定發(fā)動(dòng)機(jī)采集信號(hào)的正交尺度函數(shù)為ψ(t)，以此獲取信號(hào)的小波函數(shù)，過程表示為

(1)

?(t)為信號(hào)的小波函數(shù)標(biāo)；g0l、g1l為濾波器系數(shù)；t為信號(hào)當(dāng)前狀態(tài)；l為常數(shù)。依據(jù)上述方程表達(dá)式，利用遞推算法進(jìn)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(hào)函數(shù)集合αm(t-l)m∈Z為尺度函數(shù)小波包，以此對(duì)小波包特性[9]展開描述，獲取信號(hào)的正交關(guān)系值，過程表示為

βlk=αm(t-l)×αm(t-l)

(3)

βlk為信號(hào)之間的正交關(guān)系值；l、k為參數(shù)。通過上述獲取的信號(hào)關(guān)系，使用小波包能量譜分析方法，對(duì)采集的發(fā)動(dòng)機(jī)振動(dòng)信號(hào)展開正交分解，通過分解結(jié)果，獲取信號(hào)特征向量值，并將其作為發(fā)動(dòng)機(jī)故障特征向量。

通過設(shè)定小波變換中，發(fā)動(dòng)機(jī)原始信號(hào)為h(x)，信號(hào)時(shí)域?yàn)長(zhǎng)2(R)，以此獲取信號(hào)的時(shí)域能量值，過程表示為

(4)

(5)

M為信號(hào)的數(shù)據(jù)長(zhǎng)度；l為信號(hào)分解層數(shù)；i為序號(hào)；xin為信號(hào)離散幅值；Wli為獲取的信號(hào)能量。

發(fā)動(dòng)機(jī)運(yùn)行過程中發(fā)生故障時(shí)，發(fā)動(dòng)機(jī)振動(dòng)信號(hào)的信號(hào)能量會(huì)發(fā)生變化，這時(shí)就能夠通過信號(hào)能量的能量占比，獲取發(fā)動(dòng)機(jī)運(yùn)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(dòng)機(jī)運(yùn)行狀態(tài)的故障特征總向量；w1,w2,…,w10分別對(duì)應(yīng)為上述確定的各項(xiàng)故障類型。

2 發(fā)動(dòng)機(jī)故障定位方法

依據(jù)上述獲取的發(fā)動(dòng)機(jī)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(dòng)機(jī)故障定位模型，并以此完成汽車發(fā)動(dòng)機(jī)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(dòng)機(jī)的故障定位模型。發(fā)動(dòng)機(jī)故障定位模型分為輸入、輸出和隱藏3個(gè)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(diǎn)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(diǎn)閾值，uik為該層與輸出層之間的權(quán)值，φ(p)、ψ(p)為激勵(lì)函數(shù)，γk為輸出層節(jié)點(diǎn)閾值，qk為輸出層輸出向量，i、j、k為模型各層級(jí)節(jié)點(diǎn)。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(dòng)機(jī)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(duì)故障定位模型實(shí)施初始化處理，依據(jù)處理結(jié)果，初始化種群。

b.建立個(gè)體評(píng)價(jià)函數(shù)?；诜N群初始化結(jié)果，建立種群個(gè)體適應(yīng)度函數(shù)，并對(duì)計(jì)算結(jié)果展開排序處理，過程表示為

(7)

gi為種群個(gè)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(diǎn)；Sk為評(píng)價(jià)信號(hào)；Y(i)為個(gè)體信號(hào)能量；x為樣本數(shù)量；Bk為個(gè)體實(shí)際適應(yīng)度值。

c.種群個(gè)體交叉、變異操作。通過個(gè)體最大適應(yīng)度值對(duì)種群個(gè)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(gè)體時(shí)，觸發(fā)結(jié)束條件，依據(jù)計(jì)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(dòng)機(jī)故障定位算法分為確定權(quán)值、閾值，信號(hào)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(dòng)機(jī)故障定位模型[13]輸出層向量完成發(fā)動(dòng)機(jī)故障的精準(zhǔn)定位。

3 實(shí)驗(yàn)

為了驗(yàn)證上述故障定位方法的整體有效性，需要對(duì)此方法展開測(cè)試，測(cè)試發(fā)動(dòng)機(jī)如圖3所示。

圖3 汽車發(fā)動(dòng)機(jī)

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

定位發(fā)動(dòng)機(jī)故障位置時(shí)，故障定位性能測(cè)試是檢測(cè)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(dòng)機(jī)故障定位時(shí)，選取相關(guān)測(cè)試指標(biāo)對(duì)3種故障定位方法展開測(cè)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(cè)試

在發(fā)動(dòng)機(jī)故障定位過程中，選取發(fā)動(dòng)機(jī)故障位置功率幅值為測(cè)試指標(biāo)，測(cè)試3種發(fā)動(dòng)機(jī)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(cè)試結(jié)果

在故障定位測(cè)試過程中，測(cè)試出的信號(hào)功率譜幅值與實(shí)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(cè)試結(jié)果與發(fā)動(dòng)機(jī)故障位置實(shí)際功率譜幅值相接近，而方法1與方法2測(cè)試結(jié)果與發(fā)動(dòng)機(jī)故障位置實(shí)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(dòng)機(jī)故障定位過程中，定位精準(zhǔn)度高。

3.2 定位效果測(cè)試

在實(shí)施發(fā)動(dòng)機(jī)故障定位過程中，選取故障定位誤報(bào)性能以及定位時(shí)間2種測(cè)試指標(biāo)，以此測(cè)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(shí)，誤報(bào)數(shù)量越多，說明故障定位方法的定位效果越差，誤報(bào)數(shù)量越少，說明故障定位方法的定位效果越好。

隨著測(cè)試時(shí)間的增加，故障定位方法的誤報(bào)率呈上升趨勢(shì)。但是，3種故障定位方法中，本文方法的測(cè)試結(jié)果低于方法1以及方法2的測(cè)試結(jié)果，這主要是因?yàn)樗岱椒ㄔ诠收隙ㄎ磺耙罁?jù)發(fā)動(dòng)機(jī)具體結(jié)構(gòu)，對(duì)發(fā)動(dòng)機(jī)故障類型展開了具體分析，所以本文方法在故障定位時(shí)誤報(bào)數(shù)量低。

圖5 不同故障定位方法的誤報(bào)率測(cè)試結(jié)果

表1 不同故障定位方法的定位時(shí)間測(cè)試結(jié)果

汽車發(fā)動(dòng)機(jī)故障定位時(shí)間越長(zhǎng)，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(dòng)機(jī)故障數(shù)量越多，故障定位時(shí)間越長(zhǎng)。本文方法的故障定位時(shí)間遠(yuǎn)遠(yuǎn)低于方法1以及方法2的故障定位時(shí)間。

綜上所述，本文方法在開展故障定位時(shí)，定位效果好，定位精準(zhǔn)度高。

4 結(jié)束語(yǔ)

汽車的發(fā)動(dòng)機(jī)故障定位作為汽車故障檢測(cè)中重要的一部分，在故障檢測(cè)中起到的作用尤為重要。針對(duì)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(dòng)機(jī)機(jī)械設(shè)備故障定位方法。該方法依據(jù)發(fā)電機(jī)故障類型分析結(jié)果，通過小波包原理提取發(fā)動(dòng)機(jī)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(dòng)機(jī)故障定位模型，完成汽車的發(fā)動(dòng)機(jī)故障定位。該方法由于在建立故障定位模型時(shí)，還存在一些問題，今后會(huì)針對(duì)該項(xiàng)缺陷，繼續(xù)對(duì)該故障定位方法優(yōu)化，直至該方法完善。