基于卡尔曼转速观测器时频变换的失火故障诊断

针对节气门开度和负载的随机大幅突变而导致的复杂工况下发动机失火诊断策略精度下降的问题,提出利用爆炸及燃烧学理论和牛顿运动定律对发动机汽缸内部做功时的爆炸形式进行建模,建立关于节气门开度和负载的一步迭代转速模型。利用卡尔曼滤波器对转速迭代模型的输出进行最优估计以消除噪声影响。针对失火故障按失火缸数进行分类,提出转速一步迭代模型和转速实际观测值的序列残差变化率时频变换分析法,即对转速一步迭代模型和转速观测值残差序列变化率的频率特性进行分析,得到报警阈值,进而得出失火诊断策略。AMESim软件仿真结果表明:失火工况和非失火工况以及不同的失火类型对应的残差序列变化率的时频特性在低频、基频和倍频的幅值上存在明显的差异,利用神经网络对不同的失火类型表现出的不同频谱特性进行分类,完成对失火故障类型的确定,证明了本方法的可行性、有效性和精确性。

基于EKF及调制傅式级数的缸压辨识

针对侵入式发动机压力传感器造价高以及运行环境恶劣导致寿命短、可靠性低的问题,利用发动机做功能量转化和牛顿运动定律对发动机做功进行建模,建立转速一步迭代模型,利用扩展卡尔曼滤波器(EKF)对转速迭代模型进行线性化处理并进行最优估计。利用奥拓循环搭建做功循环的标准模型,利用工程热力学知识对缸内压力峰值进行求取,利用压力峰值和转速最优估计分别进行24阶傅里叶级数的频率、幅值的调制,最终完成发动机汽缸压力辨识。采用大众牌EA211发动机进行试验验证,结果表明:当设定发动机空燃比系数为0.85时,转速跟踪误差在10%以内,压力功谱误差低于2%;当设定空燃比系数为0.95时,转速跟踪误差在1.5%以内,压力功谱误差低于1.5%。试验结果证明了本文模型和算法的有效性、可靠性和精确性。