吉林大学学报(工学版) ›› 2017, Vol. 47 ›› Issue (3): 917-923.doi: 10.13229/j.cnki.jdxbgxb201703031

• • 上一篇    下一篇

基于汽缸压力辨识的发动机失火故障诊断

王德军1, 吕志超1, 王启明2, 张贤达1, 王子健1   

  1. 1.吉林大学 通信工程学院,长春130022;
    2.吉林大学 交通学院,长春130022
  • 收稿日期:2016-04-06 出版日期:2017-05-20 发布日期:2017-05-20
  • 作者简介:王德军(1970-),男,副教授,博士.研究方向:复杂系统故障诊断及容错控制.E-mail:djwang@jlu.edu.cn
  • 基金资助:
    国家自然科学基金国际(地区)合作与交流重点项目(61520106008)

Engine misfire fault diagnosis based on cylinder pressure identification

WANG De-jun1, LYU Zhi-chao1, WANG Qi-ming2, ZHANG Xian-da1, WANG Zi-jian1   

  1. 1.College of Communication Engineering, Jilin Universityi,Changchun 130022,China;
    2.College of Transportation, Jilin University, Changchun 130022,China
  • Received:2016-04-06 Online:2017-05-20 Published:2017-05-20

摘要: 针对发动机失火故障,提出了一种利用傅里叶级数和L-M算法优化BP神经网络的故障诊断方法。利用AMESim发动机模型进行稳态工况实时仿真,应用L-M算法优化BP神经网络预测节气门开度与发动机汽缸做功频率的关系,同时借助傅里叶级数辨识缸内压力,将由曲轴转速实时映射的汽缸压力模型与所辨识的缸内压力模型进行比较,得出失火诊断结果;并对辨识的压力模型进行相位和频率补偿,提高了诊断精度及诊断方法泛化性。在出现失火故障后再次进行相位和频率补偿,使辨识的模型具有强跟踪性。任取两个节气门开度值进行试验验证,结果表明:本文方法在发动机稳态工况下,无论高转速小负载还是低转速大负载,均可以准确识别出单缸连续失火故障和多缸随机失火故障,验证了本文方法的准确性。

关键词: 自动控制技术, 傅里叶级数, BP神经网络, 发动机失火故障, 发动机汽缸压力, AMESim

Abstract: In order to solve the problem of engine misfire fault, a diagnosis method based on cylinder pressure identified by Fourier Transform (FT) and L-M optimized BP neural network is proposed. The BP neural network is trained by the steady state simulation data from AMESim to obtain the relationship between open value of valve and frequency, and FT is used to identify the cylinder pressure. The misfire failure can be diagnosed by comparison of the FT identified pressure with the pressure mapped from crank speed. By offsetting the phase and frequency of the identified model, the accuracy and generalization of the identified model are improved. When misfire fault occurs, high tracking ability can be obtained by re-offsetting the phase and frequency of the identified model. Two random and independent open values of the valve are used to verify the proposed method, Results show that no matter engine at high speed with light load condition or at low speed with heavy load condition, this method can precisely diagnose the signal-cylinder continuous misfire fault and multi-cylinder random misfire fault.

Key words: automatic control technology, Fourier series, BP neural network, engine misfire fault, engine cylinder pressure, AMESim

中图分类号: 

  • TP29
[1] Helm S, Kozek M, Jakubek S. Combustion torque estimation and misfirre detection for calibration of combustion engines by parametric Kalman filtering[J]. IEEE Transactions on Industrial Electronics,2012,59(11):4326-4337.
[2] Rizvi M A,Bhatti A I,Butt Q R. Hybrid model of the gasoline engine for misfire detection[J]. IEEE Transactions on Industrial Electronics,2011,58(8):3680-3692.
[3] Jung D, Frisk E, Krysander M. A flywheel error compensation algorithm for engine misfire detection[J]. Control Engineering Practice,2016,47:37-47.
[4] 杨梅,张振文,孙宏强,等. 小波分析与傅里叶分析的比较及其在故障诊断中的应用[J]. 中国测试技术,2005,31(2):58-60.
Yang Mei,Zhang Zhen-wen,Sun Hong-qiang, et al. The comparison of wavelet and Fourier analysis and their application to fault diagnosis[J]. China Measurement Technology,2005,31(2):58-60.
[5] Wu Z J, Lee A. Misfire detection using a dynamic neural network with output feedback[J]. SAE Paper,980515.
[6] 胡重庆,李艾华,朱春红,等. 基于瞬时转速统计分析的内燃机失火检测[J]. 内燃机学报,2009,27(5):446-451.
Hu Chong-qing,Li Ai-hua,Zhu Chun-hong,et al. Misfire detection based on statistical analysis of instantaneous rational speed[J]. Transactions of CSICE,2009,27(5):446-451.
[7] Wang Yin-hui, Huang Kai-sheng,Lin Zhi-hua, et al. Advanced gasoline engine misfire diagnostic method based on crankshaft speed multiple filtering[DB/OL].[2016-03-27]. http://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=5776855.
[8] 王银辉,黄开胜,林志华,等. 发动机多缸随机失火诊断算法研究[J]. 内燃机工程,2012,33(1):18-26.
Wang Yin-hui,Huang Kai-sheng,Lin Zhi-hua,et al. Study of engine multi-cylinder random misfire detection[J]. Chinese Internal Combustion Engine Engineering,2012,33(1):18-26.
[9] 褚金奎,孙建伟. 基于傅里叶级数理论的连杆机构轨迹综合方法[J]. 机械工程学报,2010,46(13):31-41.
Chu Jin-kui,Sun Jian-wei. Unified approach to synthesis of coupler curves of linkage by Fourier series[J]. Journal of Mechanical Engineering,2010,46(13):31-41.
[10] 胡杰,颜伏伍. 基于BP神经网络的汽油机失火故障诊断方法的研究[J]. 汽车工程,2011,33(2):101-105.
Hu Jie,Yan Fu-wu. A research on the misfire diagnosis method of gasoline engine based on BP neural network[J]. Automotive Engineering,2011,33(2):101-105.
[11] 沈花玉,王兆霞,高成耀,等. BP神经网络隐含层单元数的确定[J].天津理工大学学报,2008,24(5):13-15.
Shen Hua-yu,Wang Zhao-xia,Gao Cheng-yao,et al. Determining the number of BP neural network hidden layer units[J]. Journal of Tianjin University of Technology,2008,24(5):13-15.
[12] 奥本海默. 信号与系统[M]. 刘树棠译. 2版. 西安:西安交通大学出版社,2005.
[13] 王赟松,褚福磊,郭丹. 基于二阶滑模技术的内燃机气缸压力的估计[J]. 内燃机学报,2004,22(6):555-561.
Wang Yun-song,Chu Fu-lei,Guo Dan. Cylinder pressure estimation for engines using second-order sliding modes[J]. Transactions of CSICE,2004,22(6):555-561.
[14] 于明进,程勇,吴波,等. 试验确定发动机转动惯量的一种新方法[J]. 农业机械学报,2005,36(7):34-37.
Yu Ming-jin,Cheng Yong,Wu Bo,et al. New method for estimating the inertia moment of an engine[J]. Transactions of the Chinese Society for Agricultural Machinery,2005,36(7):34-37.
[1] 顾万里,王萍,胡云峰,蔡硕,陈虹. 具有H性能的轮式移动机器人非线性控制器设计[J]. 吉林大学学报(工学版), 2018, 48(6): 1811-1819.
[2] 李战东,陶建国,罗阳,孙浩,丁亮,邓宗全. 核电水池推力附着机器人系统设计[J]. 吉林大学学报(工学版), 2018, 48(6): 1820-1826.
[3] 赵爽,沈继红,张刘,赵晗,陈柯帆. 微细电火花加工表面粗糙度快速高斯评定[J]. 吉林大学学报(工学版), 2018, 48(6): 1838-1843.
[4] 王德军, 魏薇郦, 鲍亚新. 考虑侧风干扰的电子稳定控制系统执行器故障诊断[J]. 吉林大学学报(工学版), 2018, 48(5): 1548-1555.
[5] 闫冬梅, 钟辉, 任丽莉, 王若琳, 李红梅. 具有区间时变时滞的线性系统稳定性分析[J]. 吉林大学学报(工学版), 2018, 48(5): 1556-1562.
[6] 张茹斌, 占礼葵, 彭伟, 孙少明, 刘骏富, 任雷. 心肺功能评估训练系统的恒功率控制[J]. 吉林大学学报(工学版), 2018, 48(4): 1184-1190.
[7] 董惠娟, 于震, 樊继壮. 基于激光测振仪的非轴对称超声驻波声场的识别[J]. 吉林大学学报(工学版), 2018, 48(4): 1191-1198.
[8] 田彦涛, 张宇, 王晓玉, 陈华. 基于平方根无迹卡尔曼滤波算法的电动汽车质心侧偏角估计[J]. 吉林大学学报(工学版), 2018, 48(3): 845-852.
[9] 张士涛, 张葆, 李贤涛, 王正玺, 田大鹏. 基于零相差轨迹控制方法提升快速反射镜性能[J]. 吉林大学学报(工学版), 2018, 48(3): 853-858.
[10] 王林, 王洪光, 宋屹峰, 潘新安, 张宏志. 输电线路悬垂绝缘子清扫机器人行为规划[J]. 吉林大学学报(工学版), 2018, 48(2): 518-525.
[11] 胡云峰, 王长勇, 于树友, 孙鹏远, 陈虹. 缸内直喷汽油机共轨系统结构参数优化[J]. 吉林大学学报(工学版), 2018, 48(1): 236-244.
[12] 刘东亮, 王秋爽. 基于NGSIM数据的车辆瞬时速度获取方法[J]. 吉林大学学报(工学版), 2018, 48(1): 330-335.
[13] 朱枫, 张葆, 李贤涛, 王正玺, 张士涛. 基于强跟踪卡尔曼滤波的陀螺信号处理[J]. 吉林大学学报(工学版), 2017, 47(6): 1868-1875.
[14] 晋超琼, 张葆, 李贤涛, 申帅, 朱枫. 基于扰动观测器的光电稳定平台摩擦补偿策略[J]. 吉林大学学报(工学版), 2017, 47(6): 1876-1885.
[15] 冯建鑫. 具有测量时滞的不确定系统的递推鲁棒滤波[J]. 吉林大学学报(工学版), 2017, 47(5): 1561-1567.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
[1] 刘松山, 王庆年, 王伟华, 林鑫. 惯性质量对馈能悬架阻尼特性和幅频特性的影响[J]. 吉林大学学报(工学版), 2013, 43(03): 557 -563 .
[2] 初亮, 王彦波, 祁富伟, 张永生. 用于制动压力精确控制的进液阀控制方法[J]. 吉林大学学报(工学版), 2013, 43(03): 564 -570 .
[3] 李静, 王子涵, 余春贤, 韩佐悦, 孙博华. 硬件在环试验台整车状态跟随控制系统设计[J]. 吉林大学学报(工学版), 2013, 43(03): 577 -583 .
[4] 胡兴军, 李腾飞, 王靖宇, 杨博, 郭鹏, 廖磊. 尾板对重型载货汽车尾部流场的影响[J]. 吉林大学学报(工学版), 2013, 43(03): 595 -601 .
[5] 王同建, 陈晋市, 赵锋, 赵庆波, 刘昕晖, 袁华山. 全液压转向系统机液联合仿真及试验[J]. 吉林大学学报(工学版), 2013, 43(03): 607 -612 .
[6] 张春勤, 姜桂艳, 吴正言. 机动车出行者出发时间选择的影响因素[J]. 吉林大学学报(工学版), 2013, 43(03): 626 -632 .
[7] 马万经, 谢涵洲. 双停车线进口道主、预信号配时协调控制模型[J]. 吉林大学学报(工学版), 2013, 43(03): 633 -639 .
[8] 于德新, 仝倩, 杨兆升, 高鹏. 重大灾害条件下应急交通疏散时间预测模型[J]. 吉林大学学报(工学版), 2013, 43(03): 654 -658 .
[9] 肖赟, 雷俊卿, 张坤, 李忠三. 多级变幅疲劳荷载下预应力混凝土梁刚度退化[J]. 吉林大学学报(工学版), 2013, 43(03): 665 -670 .
[10] 肖锐, 邓宗才, 兰明章, 申臣良. 不掺硅粉的活性粉末混凝土配合比试验[J]. 吉林大学学报(工学版), 2013, 43(03): 671 -676 .