基于LabVIEW 的柴油機故障診斷虛擬儀器開發

　　故障特征提取的關鍵是關聯維數的計算，關聯維數的計算非常復雜，其中有大量矩陣向量運算，調用MATLAB進行計算將極大的提高準確率和運行速度。

　　目前用于計算關聯維數的G—P算法較其他方法簡單可靠。設時間序列為　　

　　則重構相空間為.　　

　　畫出標度曲線lnC(r)～lnr，取標度線中的直線部分，其斜率即為對應時間序列的關聯維數。至于時間延遲和嵌入維數的選擇問題很多文獻中都有詳細論述。

　　該模塊的前面板如圖8所示。在前面板需要輸入嵌入維數和延遲時間2個參數，能夠顯示lnr—lnC(r)雙對數曲線和計算得到的關聯維數。

　　2.4 故障診斷模塊

　　故障診斷模塊的功能是將上一模塊傳來的關聯維數與先期測得的特征庫數據比較、分類、識別后在前面板顯示診斷結果，結構如圖9所示。

　　3 系統測試及實驗結果

　　試驗以4135四缸直噴式柴油機在工作過程中的聲音信號為采集對象，采樣頻率設為22.1 kHz，設定轉速為800 r/min.所有的數據均在柴油機無負載的情況下測得。通過模擬第一缸不供油和調整第一缸進氣門的氣門間隙的方法共設計了3種故障，分別為：第一缸不工作，第一缸進氣門間隙小(正常為0.25—0.3mm，調整為l0.1 nlrn)，第一缸進氣門間隙大(調整為0.5 nln1).每種工況都采集了l0組數據，每組數據都取2 000個點。

　　計算得出機器正常工作時的1O組數據的關聯積分如圖lO所示，可以發現柴油機聲音信號的無標度區間(圖中標注處)非常明顯，并且不同組別數據的無標度區間近似相同，反映出在同一工況下l0組數據具有同樣的關聯維數。

　　圖11為在不同工況下的l0組數據的關聯維數的變化趨勢圖?？梢园l現柴油機在同一工況下的1O組數據的關聯維數很接近，波動很小;不同工況下的關聯維數具有明顯的差別，完全可以作為區別故障的特征量，據此可以準確的判斷出故障類型并直觀的在前面板上顯示出來?！　?/P>

　　4 結束語

　　柴油機故障診斷虛擬儀器系統的硬件平臺搭建簡單、維護方便，軟件平臺使用Labview 和MATLAB混合編程，具有良好的可視性和交互性，且易于實現系統移植及功能的擴展。結合柴油機故障實例對系統進行的測試表明，采用非線性理論中的分形關聯維數作為故障特征量能有效提高診斷準確率。系統將分形理論與虛擬儀器技術有機結合，通過分析聲音信號能夠真正實現在線、離線診斷以及無損檢測的的功能。

　　參考文獻：

　　[1] 劉守道，張來斌，王朝暉.柴油機故障診斷的現代方法及展望.石油礦場機械，2000，18(1)：32—35.
[2] 石博強，申焱華.機械故障診斷的分形方法：理論與實踐.北京：冶金工業出版社，2001.
[3] 趙健，雷蕾，蒲小勤.分形理論及其在信號處理中的應用.北京：清華大學出版社，2008.
[4] 龐茂，周曉軍，孟慶華，等.在線噪聲檢測及噪聲信號的故障診斷技術研究.傳感技術學報，2006，19(1)：142—145.
[5] 廖世勇，米林，石曉輝，等.基于分形理論的內燃機噪聲信號分析.內燃機工程，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，魏麗，趙晨光，等.LabVlEW高級編程與虛擬儀器工程應用.北京：中國鐵道出版社，2009.
[8] 楊青川，華宇寧，張悅.基于LabVIEW 的虛擬小波消噪儀的設計與實現.儀表技術與傳感器，2007(4)：13—14.