学位论文 > 优秀研究生学位论文题录展示

基于动态窗口及统计方式的汽油机爆震识别方法

作　者: 康健
导　师: 郭钢；张力
学　校: 重庆大学
专　业: 机械制造及其自动化
关键词: 爆燃汽油机爆震窗口分布特性时间序列
分类号: V235
类　型: 硕士论文
年　份: 2010年
下　载: 113次
引　用: 1次
阅　读: 论文下载

内容摘要

爆震现象严重限制了汽油机经济性、动力性的提高,故而有必要对汽油机爆震识别进行深入研究。燃烧压力信号是最为直接的爆震识别信号源,基于缸压的爆震识别方法已越来越多的应用于工程实践。本研究以汽油机燃烧测试为基础,针对现有基于缸压的爆震识别算法的不足,提出三种爆震识别方法。角域动态窗口爆震识别算法研究了角域条件下基于爆震高频振动能量积分效应的爆震识别和爆震强度评价的动态方法。引入爆震能量相对标识参数ΔE表征爆震窗口和参考窗口内高通爆震信号累积积分能量之差,根据爆震能量相对标识参数ΔE的变化进行爆震窗口域的动态判定,从而准确识别爆震发生和合理评价不同工况条件下的爆震强度,以此为指导思想,在Simulink中建立了角域动态窗口爆震识别系统,并用燃烧测试实验对系统的稳定性和方法的可行性进行分析和验证,取得良好效果。该方法克服了VDO算法固定窗口的缺陷,使窗口宽度选择更为准确合理,减少了窗口宽度选择上对工程经验的依赖。基于爆震因子统计特性的爆震识别方法以爆震事件的随机性为基础,通过D检验,Lilliefors检验分析爆震因子概率分布特性发现:非爆震工况爆震因子样本服从正态分布;爆震工况爆震因子样本不服从正态分布;可通过跳度检验异常值检验手段剔除爆震工况样本的异常值,使之服从正态分布,且剔除的异常值为工况中的爆震事件。爆震识别过程不需要阀值来判别爆震事件,从而避开了爆震阀值的选择,通过对比不同窗口下的爆震强度,发现该算法对窗口宽度不敏感,从而降低了窗口宽度对爆震识别的影响,降低了爆震识别对工程经验的依赖。从实验分析来看,该算法可以很好的检测工况中的爆震事件,使爆震因子的应用更为合理。基于燃烧高频振动信号时间序列模型的爆震识别方法将系统识别的概念引入爆震检测中,形成了一种给定置信度的爆震阀值,虽以之判别爆震事件仍不具备绝对性,却可以确定误判的概率。分析中以燃烧高频信号为系统输出,构建系统数学模型,则燃烧信号的变化表现为系统模型参数的变化。本次分析中选择缸压峰值前后100、150个数据点作为爆震窗口,用随机选择的一系列爆震窗口内高频振动信号构建时间序列模型,并以模型参数向量均值的马氏距离为爆震识别标识。采用蒙特卡洛方法处理非爆震工况数据,确定了置信度为99%的爆震阀值。该方法可以控制爆震阀值的置信度,确定被爆震事件被误判的概率,爆震和非爆震工况的马氏距离远离爆震阀值,爆震识别清晰明显,另外,由于时间序列分析中不需要曲轴转角信号,使燃烧测试实验更为简单方便。从实验结果来看,三种方法均可合理的进行爆震事件识别和工况爆震强度评价且较现阶段爆震识别算法都有一定优势。

全文目录

中文摘要  3-5
英文摘要  5-9
1 绪论  9-19
  1.1 课题研究背景  9
  1.2 爆震机理及其危害  9-12
    1.2.1 爆震产生的机理  9-10
    1.2.2 爆震对汽油机的危害  10-12
  1.3 国内外爆震识别研究现状  12-14
  1.4 课题主要研究内容及研究意义  14-15
    1.4.1 本课题解决的问题及使用的方法  14-15
    1.4.2 本文的研究意义  15
  1.5 本文结构  15-17
  1.6 本章小结  17-19
2 角域动态窗口爆震识别方法  19-41
  2.1 VDO 爆震识别算法  19-24
    2.1.1 VDO 爆震识别算法原理  19-21
    2.1.2 VDO 爆震识别算法的缺陷  21-24
  2.2 角域动态窗口爆震识别方法原理  24-26
  2.3 角域动态窗口爆震识别系统  26-33
    2.3.1 滤波器模块  27-28
    2.3.2 高频整流模块  28
    2.3.3 爆震起始点识别模块  28-29
    2.3.4 爆震窗口高频能量计算模块  29-31
    2.3.5 参考窗口高频能量计算模块  31
    2.3.6 爆震因子计算及系统输出  31-33
    2.3.7 动态窗口爆震识别主程序  33
  2.4 动态窗口爆震识别方法的应用  33-38
    2.4.1 汽油机燃烧测试实验  33-35
    2.4.2 动态窗口方法的应用  35-38
  2.5 本章小结  38-41
3 基于爆震因子统计特性的爆震燃烧识别方法  41-65
  3.1 爆震事件的随机性  41-43
    3.1.1 测试批次验证爆震的随机性  41-42
    3.1.2 传感器安装位置验证爆震的随机性  42-43
  3.2 爆震因子的概率分布特征  43-55
    3.2.1 正态分布检验方法  43-48
    3.2.2 非爆震倾向汽油机爆震因子概率分布特性  48-51
    3.2.3 爆震倾向汽油机爆震因子概率分布特性  51-55
  3.3 异常值的剔除  55-57
    3.3.1 异常值的定义及产生原因  55-56
    3.3.2 异常值的挖掘方式  56-57
  3.4 基于爆震因子统计特性的爆震识别方法  57-63
    3.4.1 非正态分布爆震因子异常值的剔除  57-60
    3.4.2 统计方式爆震识别算法的应用  60-63
  3.5 本章小结  63-65
4 基于燃烧高频振动信号时间序列模型的爆震识别方法  65-75
  4.1 时间序列基本理论  65-67
    4.1.1 系统识别  65-66
    4.1.2 ARMA 模型  66-67
  4.2 燃烧测试实验  67-69
  4.3 ARMA 模型的构建及爆震识别  69-74
    4.3.1 爆震窗口的选择  69-71
    4.3.2 爆震识别标识  71
    4.3.3 ARMA 模型构建及爆震识别  71-74
  4.4 本章小结  74-75
5 总结和展望  75-77
  5.1 本文总结  75-76
  5.2 展望  76-77
致谢  77-79
参考文献  79-83
附录  83
  A. 作者在攻读学位期间发表的论文目录  83
  B . 作者在攻读学位期间取得的科研成果目录  83

基于动态窗口及统计方式的汽油机爆震识别方法

内容摘要

全文目录

相似论文