一种基于参数自适应VME的内燃机异常振动诊断方法技术

本发明专利技术涉及一种基于参数自适应VME的内燃机异常振动诊断方法，针对发动机振动信号的复杂性、冲击性和强干扰特征，构建加权模糊熵为VME优化判定指标，既考虑了信号特征的复杂性，又考虑分解信号和原始信号的相关性，在处理发动机声振信号特征具有更高的适用性。可以有效解决信号分解过程模态混叠、过分解和欠分解问题，保证了信号分解精度；在异常振动诊断过程，综合考虑激励源特征、振动传递、局部共振的影响，具有更高的通用性，为振动异常全面排查提供参考。该方法可实现高效、自适应信号特征提取，同时，考虑激励源特征、振动传递，局部共振多种影响因素影响，为发动机振动诊断提供指导。

【技术实现步骤摘要】

本专利技术属于内燃机振动噪声，涉及一种基于参数自适应vme的内燃机异常振动诊断方法，具体涉及一种基于加权模糊熵的参数自适应变分模态提取方法(adaptive variational mode extraction，avme)，对内燃机振动信号特征进行提取及诊断。

技术介绍

1、发动机振动信号具有非线性、非稳态、强耦合特征，快速准确的进行异常振动诊断难度较大，目前振动信号特征提取方法在引用内燃机领域仍存在一定不足，此外，振动产生原因排查方式不够系统，因此，提出高效准确的振动信号特征提取和诊断方法对于减振降噪，提升发动机可靠性具有重要意义。

2、变分模态分解(variational mode decomposition,vmd)算法，该方法采用变分式分解模式代替传统递归式分解，有效避免了emd、lmd、itd、eemd及其衍生算法的固有缺陷。vmd算法虽具有很高的分解精度，但在进行信号分解前需要人为进行参数预设，导致信号分解自适应性不足，基于此，优化vmd算法研究取得了丰富的成果，优化vmd由于计算时间较长，在快速声振诊断领域仍难以获得广泛的应用。本文档来自技高网...

【技术保护点】

1.一种基于参数自适应VME的内燃机异常振动诊断方法，其特征在于，具体步骤如下：

2.根据权利要求1所述的一种基于参数自适应VME的内燃机异常振动诊断方法，其特征在于，S1是进行发动机典型测点振动测试。

3.根据权利要求1所述的一种基于参数自适应VME的内燃机异常振动诊断方法，其特征在于，S1中，振动测点为发动机关注部件的典型测点，采样频率为25600Hz，测试时间为10s。

4.根据权利要求1所述的一种基于参数自适应VME的内燃机异常振动诊断方法，其特征在于，S2中，采用最小二乘法进行去趋势处理。

5.根据权利要求1所述的一种基于参数自适...

【技术特征摘要】

1.一种基于参数自适应vme的内燃机异常振动诊断方法，其特征在于，具体步骤如下：

2.根据权利要求1所述的一种基于参数自适应vme的内燃机异常振动诊断方法，其特征在于，s1是进行发动机典型测点振动测试。

3.根据权利要求1所述的一种基于参数自适应vme的内燃机异常振动诊断方法，其特征在于，s1中，振动测点为发动机关注部件的典型测点，采样频率为25600hz，测试时间为10s。

4.根据权利要求1所述的一种基于参数自适应vme的内燃机异常振动诊断方法，其特征在于，s2中，采用最小二乘法进行去趋势处理。

5.根据权利要求1所述的一种基于参数自适应vme的内燃机异常振动诊断方法，其特征在于，s3具体步骤如下：

6.根据权利要求1所述的一种基于参数自适应vme的内燃机异常振动诊断方法，其特征在于，s4中，基于连续小波变换对步骤s3获得的振动信号分解分量imf进行时频分析，提取振动信号时频特征...

【专利技术属性】
技术研发人员：周启迪，王根全，张忠伟，孙婷婷，武晓峰，丁宁，许虹雯，吕振国，
申请(专利权)人：中国北方发动机研究所，
类型：发明
国别省市：