本發明的目的在于提供一種基于CEEMD和改進層次離散熵的共軌噴油器故障診斷方法，首先利用CEEMD對燃油壓力信號進行自適應分解，并通過相關系數剔除冗余分量，重構有效燃油壓力信號。然后計算重構信號的改進層次離散熵，以改進層次離散熵作為故障特征輸入LSSVM多分類器，從而實現共軌噴油器故障診斷。本發明適用于強噪聲干擾的現場工業環境下的共軌噴油器故障診斷，具有故障診斷準確率高和抗干擾性強的優點。

技術領域

本發明涉及的是一種柴油機控制方法，具體地說是柴油機噴油控制方法。

背景技術

隨著科學技術的飛速發展，能源危機和環境問題也越來越嚴峻，高壓共軌柴油機正是為了緩解這個問題而研發問世的。隨著高壓共軌柴油機數量激增，它的故障診斷與維修問題成為難以忽視的難題。日本船東協會輪機管理研究會調查表明，噴油器故障率占高壓共軌柴油機故障的17.1％，噴油器故障導致柴油機燃燒惡化、動力性能、經濟性能和可靠性能下降，有害排放物增多。因此，如何準確地識別噴油器故障是亟待解決的問題。

噴油器工作狀態信息能通過共軌管燃油壓力波來體現，但燃油壓力波是非線性和非平穩信號，為了同時提取時域與頻域信息，需要應用聯合時頻分析方法進行故障檢測。EMD分解是Huang等提出的一種時頻分析方法，在故障診斷領域應用廣泛，但EMD本身存在一些不足，如模式混疊、端點效應、停止條件等。針對EMD固有缺陷，Yeh等提出了一種補充的總體平均經驗模態分解(Complementary Ensemble Empirical Mode Decomposition，CEEMD)，CEEMD通過在原信號中加入成對正、負交替的輔助白噪聲，消除殘余噪聲。與EMD相比，CEEMD更穩定，避免了模態混合問題，通過加入正負交替的輔助噪聲對，CEEMD還可以降低剩余噪聲，提高計算效率。

經過濾波處理后，如何有效地提取噴油器微弱故障特征成為實現噴油器微弱故障的關鍵。熵是度量時間序列不確定度和動態特征的最有效的工具之一，正因這樣的優點，各種各樣的信息熵方法被應用于故障診斷，例如樣本熵，模糊熵和離散熵等。樣本熵克服了近似熵中模板自身匹配的問題，具有抗干擾能力強和在參數大取值范圍內一致性好等特點。但由于它是基于單位階躍函數來定義向量相似性，因此無法準確的定義輸入類別。于是，陳偉婷等為了克服樣本熵的缺陷,提出了模糊熵的概念，但模糊熵計算相對較復雜，影響計算效率。Azami為了緩解樣本熵與模糊熵等方法各自的缺點，提出了離散熵(DispersionEntropy,DE)。對于樣本熵和模糊熵而言，離散熵的計算效率更高而且抗干擾性更強。為了確保信息度量的完整性和準確度，Azami在DE的基礎上，提出了多尺度離散熵(Multi-ScaleDispersion Entropy,MDE)。但是多尺度離散熵僅考慮時間序列的低頻成分，忽略了時間序列的高頻部分，基于此，宋恩哲等提出了一種基于層次分析和離散熵的層次離散熵(Hierarchical Discrete Entropy,HDE),該方法既能考慮原始序列的高頻與低頻分量，又能提高抗干擾性和信號帶寬變化靈敏度。然而，HDE隨著分解層數k的增加，時間序列會縮短，導致統計可靠性降低，而且HDE對于信號長度有一定限制，降低了HDE算法的通用性。

發明內容

本發明的目的在于提供不僅克服了HDE的缺陷，而且能提供給定時間序列的不規則性和不確定性的綜合評估，解決了復雜的工況和噪聲環境下共軌噴油器故障診斷精度低的問題的一種基于CEEMD和改進層次離散熵的共軌噴油器故障診斷方法。

本發明的目的是這樣實現的：

本發明一種基于CEEMD和改進層次離散熵的共軌噴油器故障診斷方法，其特征是：

(1)通過安裝在高壓油管的壓力傳感器采集高壓油管壓力波動信號，并將采集的壓力信號分為訓練信號和測試信號；

(2)使用CEEMD算法對壓力信號進行濾波處理，通過相關系數剔除冗余分量，重構壓力信號；

(3)計算重構壓力信號的改進層次離散熵，以IHDE作為燃油壓力信號故障特征；