基于LabVIEW 的柴油机故障诊断虚拟仪器开发

　　0 引言

　　柴油机运行状态的实时监测和故障的快速诊断是当前柴油机应用领域的一个难点。柴油机声音信号属于非线性信号，其构成复杂、信噪比低，传统平稳信号的时频域分析方法不能满足需要。分形理论的发展为非线性、非平稳信号的处理提供了新的思路。分形维数是定量描述混沌吸引子“奇异”程度的一个重要参数，其中关联维数对系统吸引子的不均匀性反映敏感，能够反映吸引子的动态结构，可以有效地对柴油机地故障进行诊断。文中开发了一套以Labview为平台，基于分形理论，使用柴油机声音信号进行故障诊断的虚拟仪器。

　　1 系统的总体结构

　　1.1 硬件平台

　　系统的硬件平台主要包括麦克风和计算机。其结构如图1所示。　　

　　影响采集信号准确性的主要因素是信号的采样率，由采样定理可知：采样率必须高于信号最高频率的2倍，这样采样信号才能保留原信号的全部信息，不发生频域混叠。所以声卡的选择尤为重要。从数据采集的角度来看，计算机声卡同时具有A/D和D/A转换功能，不仅价格低廉，而且兼容性好、性能稳定、灵活通用，重要的是LabVIEW中提供了一系列使用Win—dows底层函数编写的与声卡有关的函数，由于使用Windows底层函数直接与声卡驱动程序打交道，因而封装层次低，速度快，而且可以访问、采集缓冲区中任意位置的数据，具有很大的灵活性，能够满足实时采集的需要。

　　衡量声卡的技术指标包括复音数量、采样频率、采样位数(即量化精度)、声道数、信噪比(SNR)和总谐波失真(THD)等。复音数量代表声卡能够同时发出多少种声音，复音数越大，音色就越好，播放声音时可以听到的声部越多、越细腻。采样频率是每秒采集声音样本的数量，采样频率越高，记录的声音波形越准确，保真度就越高。采样位数是指将声音从模拟信号转化为数字信号的二进制位数(bit)，位数越高，在定域内能表示的声波振幅的数目越多，记录的音质也就越高。文中使用的声卡可对音频信号实现双声道16位、高保真的数据采集，最高采样率可达44.1 kHz，具有较高的采样频率与精度，而音频范围为2O Hz一20 kHz，完全可以满足采样定理的要求。　　

　　故障特征提取模块是该系统的核心，特征量提取的不准确将直接影响到对故障的判断。该模块的设计思路是：将预处理后的声音信号通过Labview与MATLAB的接口进行关联维数计算，将得到的关联维数作为用于故障诊断的特征量输入到故障诊断模块。设计框图如图7所示。　[page]　

　　故障特征提取的关键是关联维数的计算，关联维数的计算非常复杂，其中有大量矩阵向量运算，调用MATLAB进行计算将极大的提高准确率和运行速度。

      　　目前用于计算关联维数的G—P算法较其他方法简单可靠。设时间序列为　　

　　则重构相空间为.　　

　　画出标度曲线lnC(r)～lnr，取标度线中的直线部分，其斜率即为对应时间序列的关联维数。至于时间延迟和嵌入维数的选择问题很多文献中都有详细论述。

　　该模块的前面板如图8所示。在前面板需要输入嵌入维数和延迟时间2个参数，能够显示lnr—lnC(r)双对数曲线和计算得到的关联维数。

　　2.4 故障诊断模块

　　故障诊断模块的功能是将上一模块传来的关联维数与先期测得的特征库数据比较、分类、识别后在前面板显示诊断结果，结构如图9所示。

　　3 系统测试及实验结果

　　试验以4135四缸直喷式柴油机在工作过程中的声音信号为采集对象，采样频率设为22.1 kHz，设定转速为800 r/min.所有的数据均在柴油机无负载的情况下测得。通过模拟第一缸不供油和调整第一缸进气门的气门间隙的方法共设计了3种故障，分别为：第一缸不工作，第一缸进气门间隙小(正常为0.25—0.3mm，调整为l0.1 nlrn)，第一缸进气门间隙大(调整为0.5 nln1).每种工况都采集了l0组数据，每组数据都取2 000个点。

　　计算得出机器正常工作时的1O组数据的关联积分如图lO所示，可以发现柴油机声音信号的无标度区间(图中标注处)非常明显，并且不同组别数据的无标度区间近似相同，反映出在同一工况下l0组数据具有同样的关联维数。

　　图11为在不同工况下的l0组数据的关联维数的变化趋势图。可以发现柴油机在同一工况下的1O组数据的关联维数很接近，波动很小;不同工况下的关联维数具有明显的差别，完全可以作为区别故障的特征量，据此可以准确的判断出故障类型并直观的在前面板上显示出来。　　

　　4 结束语

　　柴油机故障诊断虚拟仪器系统的硬件平台搭建简单、维护方便，软件平台使用Labview和MATLAB混合编程，具有良好的可视性和交互性，且易于实现系统移植及功能的扩展。结合柴油机故障实例对系统进行的测试表明，采用非线性理论中的分形关联维数作为故障特征量能有效提高诊断准确率。系统将分形理论与虚拟仪器技术有机结合，通过分析声音信号能够真正实现在线、离线诊断以及无损检测的的功能。

　　参考文献：

　　[1] 刘守道，张来斌，王朝晖.柴油机故障诊断的现代方法及展望.石油矿场机械，2000，18(1)：32—35.
[2] 石博强，申焱华.机械故障诊断的分形方法：理论与实践.北京：冶金工业出版社，2001.
[3] 赵健，雷蕾，蒲小勤.分形理论及其在信号处理中的应用.北京：清华大学出版社，2008.
[4] 庞茂，周晓军，孟庆华，等.在线噪声检测及噪声信号的故障诊断技术研究.传感技术学报，2006，19(1)：142—145.
[5] 廖世勇，米林，石晓辉，等.基于分形理论的内燃机噪声信号分析.内燃机工程，2010，31(2)：59—63.
[6] LIU Chun，ZHANG Laibin，WANG Zhaohui.Estimation and predic—tion of the condition of the vehicle en~ne based on the correlation di—mension.Petroleum Science，2004，l(1)：45—49.
[7] 雷振山，魏丽，赵晨光，等.LabVlEW高级编程与虚拟仪器工程应用.北京：中国铁道出版社，2009.
[8] 杨青川，华宇宁，张悦.基于LabVIEW的虚拟小波消噪仪的设计与实现.仪表技术与传感器，2007(4)：13—14.