汽车发动机的爆震模式识别

汽车发动机的爆震模式识别 6.1 6.1.1 汽车发动机气缸内正常燃烧是从火花塞位置开始，逐步平滑燃烧到缸壁。而 当未燃混合气的温度或压力超出临界值，可导致爆震，此时末端混合气自燃，产 生冲击波使缸压突然上升，同时冲击波使缸体产生共振，共振频率与缸径、燃烧 温度等因素有关。 在两种不同情况下形成的爆震有区别，一是发动机低速大负荷时加速过程的 爆震，这时能清晰听到敲缸声。另一种是高速大负荷的爆震，这时爆震噪声可能 被发动机其它噪音所掩盖，人耳未必能听到。 发动机一旦产生爆震其危害极大，它会引起发动机功率下降，油耗骤增，严 重时还会使发动机的气缸壁、活塞、活塞环、气门、连杆及其连杆轴承等运动件 变形损坏。所以对发动机爆震进行检测，并及时实施有效的控制是非常必要的。 爆震产生的共振基本频率一般在5KHz至7KHz之间，即使同一个发动机，其基本频率可能有?400Hz的偏移。另外，从基频到20KHz之间，还存在2至4个峰值 频率。 爆震测量分直接测量与间接测量。所谓直接测量是指每个气缸内都安装压力 传感器，直接测量缸压变化，这种最直接，但成本高昂，仅限于研究应用， 不适于批量生产的汽车应用。 间接测量是采用压电振动传感器，测量缸体的共振，这种方法简单，传感器 便宜且安装方便。现在一般采用宽频爆震传感器，而不是峰值型爆震传感器，在 低于20KHz的范围内，不存在调制峰值。这类传感器能适用于各种型号的发动机， 但是传感器输出信号很容易混杂发动机的其它振动噪音，特别是发动机高速运转 时，背景噪音特别大，对信号处理与模式识别提出了很高的要求。 爆震识别是典型的一维信号模式识别问。 所谓模式识别是指对客观对象进行描述与分类的科学。具体地说，就是用计 算机实现人的模式识别能力。模式识别的特有概念是相似度，模式识别的任务就 是根据对象特征把相似的对象分类。所以模式识别的关键是确定对象的特征。 目前爆震识别的有两大类方法：模拟滤波以及数字频谱特征分析。 模拟滤波是从传统信号处理观点出发的方法。采用模拟电路处理爆震传感器 信号，计算特定频段内振动信号强度，以识别是否有爆震。 相应的模拟电路结构框图如下： 输入信号 信号预处理 整流器 放大器 带通滤波 积分器 参考信号发生器 比较器 是否爆震 图1 爆震信号模拟电路框图 输入是较微弱的交流振动信号，所以首先通过可编程放大器进行放大，然后 通过预先调整好的带通滤波器，获取爆震频段的信号，再通过整流与积分得到放 映振动强度的信号，与实时变化的参考信号比较，从而确定是否有爆震。 采用模拟电路的好处是减少发动机电子控制单元（ECU）的计算工作量，坏处是接口较复杂，电路调整不方便，适应性差，不过这是过去发动机电子控制系 统中处理爆震的主要方法。 数字频谱特征分析是从模式识别观点出发，采用数字信号处理技术，分析振 动信号的频谱特征。具体是以频域特征为主，时域特征为辅，综合多个特征进行 爆震模式识别。 DFT是离散傅立叶变换的英文简写，进行频谱分析，可采用快速傅立叶变换 FFT，也可采用离散傅立叶变换DFT，但是DFT较FFT更适于爆震判断，原因如下： （1）爆震模式识别只需计算信号若干频率点的幅值，而不是整个频率段的幅值， 此时采用DFT运算量远比FFT小。 （2）为了滤除噪音，信号处理采用“加窗技术”，由于爆震只可能出现在发动机 活塞运行上止点后10?至70?，所以上止点后10?至70?作为信号窗口，该窗口时间随发动机转速而变化，例如：500RPM时为20毫秒，8000RPM为1.25毫秒。 而FFT处理信号长度只能是2的幂，DFT则无此限制，所以DFT适于这种窗口时间不断变化的特殊“加窗技术”。 N,1,,j2kn/NX[k],x(n)e, n,0 f,f/2.Ns f,f/2.minN f[k],k,f.min 一般爆震信号频率是5KHz-20KHz，为防止信号畸变，采样频率必须快一倍， 所以采样频率应大于40KHz。当采样频率固定，数据块越大，DFT的分辨率越高。 需要特别监视的爆震信号频率由f[k]决定，当采样频率、数据块长度一定， 则选取不同的k值，就能确定欲监视的频率。 在实际应用中，DFT常采用迭代计算。DFT的迭代计算公式推导如下： 根据式（1）得： N,1N,1 X[k],x(n)cos(2,nk/N),jx(n)sin(2,nk/N). （2） ,,n,0n,0根据上式，实部、虚部分别为： N,1 X[k],x(n)cos(2,nk/N). ,Rn,0 N,1 X[k],x(n),sin(2,nk/N). ,ln,0 把上式改为递推形式： X[k，1],X[k]，x(n)cos(2,nk/N). （3） RR X[k，1],X[k]，x(n)sin(2,nk/N). （4） ll 22 具体某点频率的幅值X[k],X[k]，X[k]Rl 因为爆震只是比较相对大小，所以实际应用时，只需计算幅值的平方，并把 它们作为爆震的主特征，具体如下式。 222X[k],X[k]，X[k]. （5） Rl 经爆震传感器得到的信号是一维时变信号，针对该信号可选取如下时域特征 与频域特征： 1 爆震信号特征 名称 定义 脉冲因子 I,x/x 时域特征 maxave 峰值因子 C,x/x 时域特征 maxrms 12方差 ,,(x,x)(x,x)时域特征 ,iaveiaveN,1 谱峰及对应频率 f 频域特征 max f给定频率范围内功j G,s(f)df频域特征 j,f率谱和 j,1 模式特征并非越多越好，特征过多，不仅增加计算量，而且模式识别能力下 降，对于一维时变信号模式识别问题，存在如下规律： P(e) 特征数 图2：特征数量与识别错误率P(e)的关系 但是，具体选取哪些时域特征与频域特征作为最优爆震特征，难以通过理论 计算获得，只有通过反复实验摸索，同时还要兼顾运算量大小。 经反复实验，发现如下时域特征与频域特征搭配，能满足爆震识别要求, （1）时域特征：脉冲因子，方差。 （2）频域特征：给定频率附近的功率谱。 一般模式识别中，已发展了种类繁多的判别算法，如Fisher线性判别、最近邻法等，但是针对爆震模式判别，必须摸索出上简便可行的方法。 具体判别算法是先进行时域特征判断，经时域特征判断认为有可能存在爆 震，再进一步进行频域特征判断。 具体算法如下： for (j=0;j Xmax) { Xmax = Xsum; XFmax[0] = X0;XFmax[1] = X1; XFmax[2] = X2;XFmax[3] = X3;XFmax[4] = X4; } } 计算得到信号均值：AveKNK。 计算得到信号I因子Ifactor。 if ((IAve > 20) & (EeKNK > 1)) { //先判断时域指标 for (j=0; j<5; j++) { if (XFmax[j] > Xref[CylPtr][j]) { //再判断频域指标 KnkMet[CylPtr] = KnkMet[CylPtr] + Range[j]; } } } CylPtr++; //代表指向不同气缸的指针 if (CylPtr == 3) { CylPtr = 0; } //爆震强度累加 Knock = KnkMet[0] + KnkMet[1] + KnkMet[2] + KnkMet[3]+KnkMet[4]; KnkMet[0] = 0; KnkMet[1] = 0; KnkMet[2] = 0; KnkMet[3] = 0; KnkMet[4] = 0; //计算最终的爆震值KnkValue[0] if ((Knock > 10) & (Knock <= 60)) {//较弱的爆震 if (KnkValue[0] < 251) { KnkValue[0] = KnkValue[0] + 4; } } if (Knock > 60) {//较强的爆震 if (KnkValue[0] < 251) { KnkValue[0] = KnkValue[0] + 6; } } 采用时域特征的好处是程序简洁，能有效滤除个别干扰信号造成的误判现象。在时域 判断基础上采用频域判断，能提高识别可信度。 图3：高速运行急加速急减速时爆震传感器的信号波形 爆震判断算法中的比较参考量必须随发动机的运行条件（主要是转速和负 荷）而变化，如图3是发动机高速运行、急加速急减速、且无爆震时爆震传感器 的信号波形（整流后），经DFT计算得到的各频点幅值较大，所以必须建立参考 信号工况自适应机制。 根据爆震波形是正常背景波形迭加共振波形的特点，可以认为参考量就是正 常背景量，所以采用历史数据滑动平均计算参考量。同时，由于每气缸波形不同， 必须分别建立各气缸的参考量。具体自适应算法如下： //----参考量计算------// for (j=0; j<5; j++) { //分别计算各频率点参考量 TimePtr //是指向不同气缸的运算指针 if (XFmax[j]<1.2*Xref[CylPtr][j]) { //如果无爆震 XHis[CylPtr][j][TimePtr] = XFmax[j]; //按此式计算参考值 } else { //如果有爆震 XHis[CylPtr][j][TimePtr] = XFmax[j]*0.75; //按此式计算参考量 } //3次滑动平均计算参考量 Xref[CylPtr][j]=(XHis[CylPtr][j][0]+XHis[CylPtr][j][1]+ XHis[CylPtr][j][2])/3; } 上述简单算法能有效克服发动机运行变化造成的影响，当然应该进一步采用更细致的 自适应策略，如比较系数不是固定的1.2，而是一个自动调节的参数等。 6.5 总结 以上的爆震模式识别算法，可采用专门的数字信号处理（DSP）芯片实现，不过DSP方案有两个缺点：（1）成本高，装在汽车发动机电子控制系统上的芯 片必须满足汽车级电子产品要求，工作温度范围：-40? -- +125?，满足该要求的DSP芯片远比商业级（0? --70?）芯片昂贵。（2）爆震识别不仅要求高速信号处理能力，而且要求灵活、方便编程能力，这方面DSP不如一般的单片机。若采用单片机方案，则单片机能较容易达到汽车级电子产品要求，成本低廉，而 且能方便实现逻辑处理与各种自适应算法，但是一般单片机数字信号处理速度太 慢，必须采用高速单片机。通过反复实验发现8位高速的精简指令集单片机能满 足上述要求。所以把通用单片机开发为专用的爆震模式识别处理器，代替专门定 制的信号处理芯片的方案经过实践检验证明是可行的，能同时满足性能、成本、 简单三方面的要求。 爆震识别是典型的一维时变数字信号模式识别问题，除频谱分析外，可尝试 心电图判读中经常采用的结构模式识别方法。也可从时变信号处理角度出发，采 用小波分析方法进行研究，通过实验对比，找出工程中最佳识别方法。