小波分析在摩托车发动机异响诊断中的应用

论文摘要

随着我国摩托车产业的迅猛发展和消费者对产品质量要求的提高,由发动机异响引起的摩托车质量问题已成为目前困扰厂商的一个重要问题。为解决此问题,在发动机出厂时,发动机厂商会对发动机进行异响检测。但是,现行的发动机异响检测方法仍停留在主观评价方法上,该方法具有主观性,无法进行定量的度量。因此,需要一种客观分析方法对发动机异响进行诊断。本文围绕发动机异响诊断这一主题,在阅读大量外文文献和对比各种分析方法的基础上,提出了对发动机异响识别具有较好效果的小波分析方法。针对该分析方法进行了深入研究,得到了理想的发动机异响分析与诊断效果。论文首先介绍了发动机异响的相关分析方法,如传统的傅里叶分析、短时傅里叶分析和阶次分析等,并针对发动机异响特征指出这些方法所存在的不足与缺陷;同时,针对发动机异响的非稳态特性与瞬时特性,指出时频分析是分析该信号的理想工具。通过与其它时频分析方法的对比,小波分析方法更适合发动机异响信号分析。小波分析在众多工程领域被认为是近些年来在信号分析与处理方法上的重大突破。但母小波的选择一直制约该方法的发展,不同母小波对信号分析结果往往差异很大。针对该问题,本文采用小波能量谱的方法,从Matlab中的全部15类原始小波函数中选取Complex Morlet小波簇作为小波分析的基函数;同时针对该小波两个参数——带宽Fb与中心频率Fc,采用Kurtosis系数最大化准则与小波Shannon熵最小化准则进行选取;最后,通过发动机异响信号验证该母小波选择的准确性与有效性。本文针对110cc发动机异响问题,利用所选择的母小波计算其小波能量谱。通过对小波能量谱的分析,小波能量谱可以有效的观察到信号中的瞬时脉冲成分,体现了小波分析的优越性。该方法可以有效的识别发动机异响特征,取得了满意的应用效果;同时提取小波系数作为特征参数,为发动机异响诊断提供数据支持。利用C5.0算法结合提取的小波特征,建立发动机异响诊断模型,并验证了该模型对发动机异响诊断的准确性。

论文目录

• 中文摘要
• 英文摘要
• 1 绪论
• 1.1 摩托车发动机异响诊断的研究意义及目的
• 1.2 发动机异响分析方法
• 1.3 国内外研究现状与趋势
• 1.4 本文主要研究内容
• 2 小波分析
• 2.1 傅里叶变换
• 2.2 传统傅里叶变换不足
• 2.3 短时傅里叶变换
• 2.4 短时傅里叶变换的不足
• 2.5 连续小波分析
• 2.5.1 连续小波分析定义
• 2.5.2 连续小波分析性质
• 2.5.3 连续小波分析计算过程
• 2.6 本章小结
• 3 基于声信号的母小波的选取
• 3.1 现有的小波函数
• 3.1.1 正交小波
• 3.1.2 双正交小波
• 3.1.3 不能进行离散变换的小波
• 3.2 母小波的选择原则
• 3.3 典型发动机异响信号特征的选取
• 3.4 小波能量谱选取小波函数
• 3.5 小波参数的选择
• 3.6 遗传算法
• 3.6.1 遗传算法的一般构造
• 3.6.2 遗传算法一般步骤
• 3.7 Kurtosis 系数对小波参数的选取
• 3.8 小波Shannon 熵对小波参数的选取
• 3.9 验证所选取的母小波
• 3.10 本章小结
• 4 摩托车发动机异响分析
• 4.1 摩托车发动机异响分类
• 4.2 缸头异响
• 4.3 发动机壳体内的齿轮异响
• 4.4 本章小结
• 5 信号采集与实验设计
• 5.1 实验对象
• 5.2 信号采集系统
• 5.3 信号测取
• 5.3.1 发动机信号测点位置的选择
• 5.3.2 发动机信号测试工况
• 5.3.3 发动机测试环境
• 5.4 测试过程
• 5.5 本章小结
• 6 基于小波变换的发动机异响分析与特征的提取
• 6.1 正常发动机的小波能量谱分析
• 6.2 机油泵异响发动机的小波能量谱分析
• 6.3 平衡轴异响发动机的小波能量谱分析
• 6.4 发动机信号的特征提取
• 6.5 本章小结
• 7 发动机异响诊断
• 7.1 C5.0 模型
• 7.1.1 建造阶段
• 7.1.2 修剪阶段
• 7.1.3 K 次交叉验证
• 7.2 发动机异响诊断C5.0 模型的建立与特征的选取
• 7.2.1 构造决策树
• 7.2.2 提取分类规则
• 7.3 模型的验证
• 7.4 本章小结
• 8 全文总结
• 致谢
• 参考文献
• 附录：A. 作者在攻读学位期间发表的论文目录