第5期（总第226期） 2016年10月
车用发动机 VEHICLEENGINE
No 5(Serial No226)
Oct2016
基于时-频相于与RBF网络的气缸压力识别研究
常春”，贾继德”，曾锐利”，梅检民”，王国威
(1.军事交通学院研究生管理大队，天津300161；2.军事交通学院军用车辆系，天津300161）
摘要：针对从缸盖振动信号中分离燃烧激励引起的振动信号及其他干扰信号的问题，提出一种基于时-频相干与神经网络的气缸压力识别方法。首先采用Morlet连续小波变换分别将缸盖振动信号和缸压信号在时-频域内展开，然后采用交叉小波对两信号进行时-频相干分析，设定相干系数网值并进行掩膜处理，对所得结采重构使可得到燃烧激励引起的缸盖振动信号。最后，选取8个参数作为评价燃烧效果的特征指标，利用径向基函数(RBF)神经网络估计缸压。研结果表明：该方法有效地提取了缸盖上的燃烧特征信号，通过RBF种经网络估计缸压，逼近于实际缸压变化。
关键词：小波变换：时-频相十：特征提取；神经网络；气缸压力；估算 DOI: 10 3969 /j issn 1001-2222 2016 05 017
中图分类号：TK4212文献标志码：B
文章编号：1001-2222(2016)05-0087-06
气缸压力是柴油机运行状态的重要性能指标，通过对其变化情况的检测，能有效地诊断柴油机燃烧故障。
目前测量气缸压力的方法包括直接测量法和间
接测量法。直接测量法需在缸内安装传感器，但存在传感器成本高、安装困难、工作条件恶劣等问题。柴油机工作时，气缸内燃烧激励会在缸盖表面产生振动响应信号，而且振动信号容易测量，因此通过间接测量法来估计气缸压力具有重要的理论价值和广泛的应用前景，成为热点研究间题[1-4]
柴油机结构复杂，激励源众多，测取的缸盖振动信号中包括活塞敲击、气门落座和燃烧激励等多种响应成分，如何提取燃烧激励产生的振动信号，消除其他十扰，成为提高缸压检测准确率的关键。文献 2采用频域滤波的方法消除噪声的干扰，但由于缸盖振动信号的非平稳、非线性特点，传统的傅里叶变换不适用于信号的处理，因此很难取得理想的效果。文献3采用独立分量分析的方法对各激励源产生的振动信号进行分离，然而由于原信号混合过程是未知的，得到的结果只是对原信号的一个估计。文献[4通过小波包去噪的方法去除针阀落座及缸内压力高频振荡等干扰信号，取得了一定的效果，由于缺乏激励源的参考，去噪效果有待商榷。
Morlet小波具有良好的时间聚集性、较高的频
收稿日期，2016-01-12；修回日期：2016-06-29 基金项目：后勤科技重点项目（BS311C011）
率分辨率，包含相位信息，并且与常规信号非常相似，因而在天文、地理等领域被用于解决两个非平稳时间序列的关联程度问题5-汀。交叉小波变换(Cross-WaveletTransform）是一种新的多信号分析技术，在时频空间内对信号进行分析，能够有效诊断不同信号间的相关性、时间性和相位结构，因此适用于分析揭示缸盖表面振动信号和气缸压力相互影响的时延相关特征和时-频相位相关性。
径向基函数（RBF）网络是由J.Moody和C. Darken于1988年提出的，以函数逼近理论为基础构造的一类前向型网络，它能够以任意精度逼近任意连续函数，具有结构简单、训练快速等优点。它不仅可以用来函数逼近，还可以进行预测。因此，比较适合于气缸压力的估计。
基于交叉小波变换与RBF神经网络的优点，提出一种基于交叉小波时-频相于与RBF神经网络的气缸压力识别方法，采用交叉小波对缸盖与缸压信号进行时-频相干分析，设定相干系数阅值为07，并对低于07的信号成分掩膜处理，再用连续小波反变换重构信号，实现了燃烧激励引起的缸盖振动信号的特征提取。对重构的信号提取特征指标，再利用RBF神经网络进行气缸压力估计，取得了良好的估计效果。
作者简介：常春（1987一），男，硕士，主要研究方向为内燃机状态检测与故障诊断；kevinfriday@sina om，