V型双缸柴油机噪声源及其激励源响应的识别分析

孟浩东 李舜酩 白 莹 孙建中 庄华良

1.南京航空航天大学，南京，210016 2.常州信息职业技术学院，常州，213000

3.常柴股份有限公司，常州，213002

0 引言

柴油机振动的多激励性、时变性、传递路径的错综复杂性使结构刚度分布不同的表面振动响应和向外辐射噪声之间的关系十分复杂。燃烧激励响应(燃烧噪声)、机械激励响应(机械噪声)在发生的时间、空间、传播的途径和信号的基本频域特征等方面都重叠交织在一起，如何进行分离和识别就成了一个十分重要的难题。目前采用较多的还是以试验方法为主并结合信号时频域分析的传统识别方法:文献［1］通过采用改变喷油提前角的方法，在保持内燃机的机械噪声声功率和传递函数不变的情况下改变燃烧噪声声功率，从而实现对机械噪声和燃烧噪声的识别与分离;文献［2］结合发动机结构的振动传递函数试验工作对燃烧噪声和活塞敲击噪声的产生机理开展相关研究，识别得到燃烧气体力和活塞敲击激励的主要传递路径及振动响应特性。

在现代信号处理方法中，独立分量分析(independent component analysis，ICA)是一种非常有效的盲源分离技术，这种分离技术不受源信号时间互相交叠和频谱互相交叠的影响，而且分离后的输出信号能保留源信号中的微弱特征信息。从原理上讲，利用ICA方法对柴油机振声源信号进行分离是适合的［3-4］。例如:文献［5］采用基于负熵极大的FastICA算法对4缸柴油机的辐射噪声信号进行了盲源分离，结合小波变换技术，分离与识别了柴油机的燃烧噪声、活塞敲击噪声、正时齿轮噪声等噪声源;文献［6］利用多通道盲最小均方差(MBLMS)算法进行了柴油机振动信号的分离实验，结合短时傅里叶时频分析，分离与识别了燃烧、活塞撞击和进气阀关闭信号。

本文以某V型双缸柴油机为研究对象，采用基于四阶累积量的JWSmICA技术(JADE CWT single cylinder misfire ICA)进行噪声源及其激励源响应的识别分析，该技术即是JADE盲分离算法、连续小波变换(continuous wavelet transform，CWT)、单缸熄火法结合ICA方法的组合技术。首先通过对柴油机在各个工况下进行单缸熄火的方法来分离与识别机械噪声和燃烧噪声，然后采用JADE算法及小波时频分析，分离与识别标定工况下燃烧激励响应和机械激励响应，最后结合单缸熄火与ICA识别结果，进一步研究机械噪声和燃烧噪声与其主要振动激励响应的相关特性。

1 机械噪声和燃烧噪声及其激励源响应的JWSmICA识别技术

1.1 单缸熄火法

在屏蔽进排气噪声前提下，柴油机由n缸做功调整到对应工况，通过九点声压法测量整机声功率级为Wp。当其中有一缸断油熄火，柴油机转速下降，理论上总输出功率相当于原来功率的(n－1)/n，保持油门不变，调整负荷，使转速恢复到熄火前的稳定转速，此时测量整机声功率级为W'p1［7］。因此，熄火缸所产生的燃烧噪声可以通过总噪声能量与熄火后的噪声能量之差来求出，以第一缸燃烧噪声计算为例:

依次对计算所得各缸燃烧噪声能量求和即可求出总的燃烧噪声，在此基础上，通过整机噪声能量消去燃烧噪声能量，即可得到总的机械噪声。同时对实测整机噪声频谱的频带中心声功率级按上述能量进行叠加与消去还可进一步得到机械噪声和燃烧噪声的频谱特性。

1.2 基于四阶累积量的联合近似对角化算法

JADE算法与基于二阶统计量的算法不同，它联合近似对角化的不是时延协方差矩阵而是四阶累积量矩阵，是四阶盲辨识(four order blind identification，FOBI)算法的推广和改进，不仅可以解决源信号具有相同峭度信号的分离问题，而且在高斯噪声背景下分离性能比较稳定［8］。

定义经过白化后的白化信号z(t)(z(t)=Qx(t)，Q为白化矩阵)的四阶累积量矩阵为

其中，cum()为四阶累积量的运算符号，mkl为任意N×N维矩阵M的元素，Cz(M)是对称阵，此累积量矩阵可以分解为Cz(M)= λM，因此M被称为Cz(M)的特征矩阵。JADE算法可归纳如下:

(1)利用协方差矩阵对观测数据x(t)作白化去相关处理，即z(t)=Qx(t);

(2)利用式(2)计算z(t)的四阶累积量矩阵组 Cz(Mp)，p=1，2，…，N;

(3)对矩阵组Cz(Mp)进行联合近似对角化处理，估计出一个酉矩阵U;

(4)得到估计分离矩阵W=UTQ;

(5)得到分离信号的估计y(t)=Wx(t)。

在此基础上，针对柴油机振声信号的非平稳性，利用小波变换的时频聚焦能力以及在分析非平稳信号方面的优势，通过时频图提取分离信号的时频和频域联合特征，识别各源信号的产生原因。综上所述，基于JWSmICA技术进行柴油机噪声源及其激励源响应的识别分析流程如图1所示。

图1 基于JWSmICA技术的识别分析流程

2 机械噪声和燃烧噪声的分离与识别试验分析

本试验在常柴股份有限公司的柴油机台架实验室中进行，实验室墙面装有吸声微穿孔板，顶面也设有吸声材料，静态背景噪声声压级为53.9dB(A)，A表示计权;台架采用的是电涡流测功机，工作时振动小，同时用覆盖件和石棉对电涡流测功机及驱动轴端进行了隔声处理，电涡流测功机近场噪声要比声源运转时声压级低10dB(A)以上;另外采用的供油装置是普通的燃油箱，采用的冷却水箱则移至室外，通过橡胶水管传输而无需其他动力传输装置。因此，背景噪声无需修正，实验室声学环境满足工程测试要求。为排除空气动力性噪声对测试结果的影响，进排气管用石棉材料包裹并引至室外;房间通风扇在噪声测试时及时关闭。研究所用柴油机为V型四冲程自然吸气水冷双缸柴油机，气缸夹角为80°，标定工况为(3600r/min，14kW)。

考虑到柴油机实际工作的机械效率，进行单缸熄火所选择的柴油机工况为:转速从1200～3600r/min，间隔为600r/min，各转速对应负荷从50% ～100%，间隔为25%。在50%、75%、100%负荷条件下，对应各个转速的机械噪声和燃烧噪声进行分离，结果如图2所示。

图2 机械噪声和燃烧噪声的分离结果

由图2分析可知，在不同负荷条件下，整机噪声声功率级随着柴油机转速的升高而增加。然而，燃烧噪声和机械噪声对整机噪声的贡献却不同。柴油机转速从1200～1800r/min，燃烧噪声均为主要噪声源，尤其在1200r/min、50%负荷条件下，燃烧噪声占整机噪声比例最大为91%。柴油机转速在2400r/min时，在50%和100%负荷条件下，机械噪声对整机噪声贡献稍大;而在75%负荷条件下，以燃烧噪声为主，占整机噪声56%。柴油机转速从3000～3600r/min，随着转速和负荷的增加，燃烧噪声进一步增加，其中，在3000r/min时，燃烧噪声对整机噪声的贡献占主要地位;在3600r/min时，在50%和75%负荷条件下，燃烧噪声与机械噪声所占比重比较接近，但在100%高负荷条件下，整机噪声增大主要是来源于燃烧噪声。综上分析可知，在常用转速工况下，燃烧噪声是整机降噪的重点。

在标定工况下，柴油机燃烧噪声声功率级为108.3dB(A)，占整机噪声的74%，将实测整机噪声1/3倍频程谱的频带中心声功率级按噪声能量叠加和消去方法得到机械噪声和燃烧噪声的1/3倍频程声功率级谱，如图3所示。

图3 机械噪声和燃烧噪声的1/3倍频程声功率级谱

由图3分析可知，燃烧噪声与机械噪声的能量都主要集中在中心频率2.5kHz以下，其中，燃烧噪声在以1kHz(891～1122Hz)为中心的频率范围内出现噪声峰值，说明降低此频带范围内的噪声能量是降低燃烧噪声的关键。机械噪声在以2kHz(1778～2239Hz)为中心的频率范围内出现噪声峰值，同样降低此频带范围内的噪声能量是控制机械噪声的重点。

3 燃烧激励响应和机械激励响应的分离与识别试验分析

柴油机缸盖系统和气缸体(主推力面)既是燃烧激励、气门机构运动冲击、活塞敲击的承受者，又是柴油机辐射噪声的主要传递路径。因此，将两个振动加速度传感器分别布置在缸盖螺栓和靠近气缸套的主推力面上，同时获取标定工况下活塞运动方向和活塞敲击方向上的4个振动响应信号，测点布置如图4所示。

图4 振动测点布置

在采用ICA方法进行盲分离之前，必须满足一定的前提条件，即源信号之间须相互统计独立，而且至多只能有一个源信号为高斯分布［9］。柴油机燃烧激励源和机械激励源具有确定的时间周期和特定的频率范围，在空间传播上，各有不同的传递路径，这种独立的时间空间分布特性满足ICA对源信号的独立性要求。另外，缸盖测点和主推力面测点振动响应信号的峭度值均大于0，即均服从超高斯分布，尤其是气缸盖，其峭度最大值为30.74。因此，可以推断，柴油机燃烧激励源与机械振动激励源也都具有非高斯分布特性。综上分析可知，可采用ICA方法对缸盖和主推力面振动信号进行盲分离，其中，JADE批处理算法的主要特点是加强算法的代数概念——引入多变量数据的四维累积量，并对其作特征分解。

因此，本文采用JADE盲分离算法对缸盖和主推力面振动信号进行盲源分离，图5所示为盲分离结果中比较突出的2个独立分量，每个独立分量都可能对应于柴油机的一个振动激励源响应信号。由于振动激励源特征是未知的，盲分离结果的幅值和排列顺序又具有不确定性，而仅根据各独立分量的时域描述，无法判断各独立分量分别对应于哪一种激励源响应，因此，本文采用功率谱分析和具有较好时频定位特性的连续小波变换对各独立分量进行后处理，结合柴油机先验知识，识别各独立分量，并进一步分析各激励源响应的时频特征。

图5 振动信号ICA分离结果

本文采用韦尔奇谱估计方法以及选取与柴油机振动响应信号形状相似的complex morlet1－2小波基对独立分量y1进行功率谱计算和连续小波变换，结果如图6所示。

从图6a可以看出:y1的能量主要集中在1000～2500Hz的中高频带内，且以1895Hz的峰值最为突出。图6b为y1的小波时频分析结果，在3600r/min时，2缸4冲程柴油机在0.033s内完成一个工作周期，振动能量集中频带具有明显的周期瞬态特性，与时域波形中的各冲击响应相对应。由于缸盖系统、气缸体所受机械振动激励以气门落座冲击、活塞横向敲击为主，激励频带都属于中高频范围，因此可以推断，独立分量y1是由机械激励引起的振动响应。

图6 独立分量y1的功率谱与小波时频分析

图7为独立分量y2的分析结果。从图7a可以看出:y2的能量主要集中在800～1200Hz的中低频带内，且以993Hz的峰值最为突出，另外在谱图上有180Hz的谐波特征频率存在，正好对应于柴油机的3倍发火频率。图7b为y2的小波时频分析结果，在柴油机工作周期0.033s内，周期呈现两个明显的瞬态冲击响应，其频率成分在800～1200Hz左右，而且出现的间隔和位置正好与时域波形中的各冲击响应相对应。因此，可以判定独立分量y2是由缸内燃烧激励引起的振动响应。

图7 独立分量y2的功率谱与小波时频分析

综合单缸熄火法与JADE盲分离算法识别结果分析可知:以机械激励引起的振动响应能量主要集中在1000～2500Hz的中高频带内，而机械噪声在1778～2239Hz频率范围内出现能量峰值;以燃烧激励引起的振动响应能量主要集中在800～1200Hz的中低频带内，而燃烧噪声在891～1122Hz在频率范围内出现能量峰值;机械噪声和燃烧噪声能量集中的频率区间在其振动激励响应的频率区间范围内，说明气门落座冲击、活塞横向敲击、燃烧激励是柴油机机械噪声与燃烧噪声的主要振动激励源。而要控制机械噪声和燃烧噪声关键是降低对应频带内的振动与噪声能量，最终结果也说明了JADE算法分离与识别结果的正确性、合理性。

4 结论

(1)在V型双缸柴油机常用转速、中高负荷条件下，燃烧噪声是主要噪声源，是整机降噪的重点。在标定工况下，控制燃烧噪声的关键是降低其中低频范围内的噪声能量。

(2)在标定工况下，燃烧激励源引起的振动响应能量集中在中低频带，机械振动激励源引起的振动响应能量集中在中高频带，降低相应频带内的振动响应能量是降低机械噪声和燃烧噪声的重点。

(3)机械噪声和燃烧噪声能量集中的频率区间在激励源响应频率区间范围内，气门落座冲击、活塞横向敲击、燃烧激励是柴油机机械噪声与燃烧噪声的主要振动激励源。

(4)基于四阶累积量的JWSmICA技术可以准确地分离与识别柴油机机械噪声和燃烧噪声及其激励源响应，找到主要振动激励源，指导后期整机降噪。

［1］王攀，邓兆祥，刘永超，等.内燃机机械噪声和燃烧噪声的识别分离［J］.重庆大学学报，2010，33(5):16-21.Wang Pan，Deng Zhaoxiang，Liu Yongchao，et al.I-dentification of Combustion Noise and Mechanical Noise in Internal Combustion Engine［J］.Journal of Chongqing University，2010，33(5):16-21.

［2］景国玺，郝志勇，金阳，等.内燃机燃烧噪声和活塞拍击噪声的产生机理试验研究［J］.振动工程学报，2010，23(6):655-659.Jing Guoxi，Hao Zhiyong，Jin Yang，et al.Experimental Study on the Mechanism of Engine Combustion and Piston Slapping Noises［J］.Journal of Vibration Engineering，2010，23(6):655-659.

［3］Liu X，Randall R B.Blind Source Separation of Internal Combustion Engine Piston Slap from Other Measured Vibration Signals［J］.Mechanical System and Signal Processing，2005，19(6):1196-1208.

［4］Serviere C，Lacoume J L，Badaoui M E.Separation of Combustion Noise and Piston－slap in Diesel Engine Part II:Separation of Combustion Noise and Pistonslap Using Blind Source Separation Methods［J］.Mechanical System and Signal Processing，2005，19(6):1218-1229.

［5］王霞，刘昌文，毕凤荣，等.基于独立分量及小波变换的内燃机辐射噪声盲源分离和识别［J］.内燃机学报，2012，30(2):166-171.Wang Xia，Liu Changwen，Bi Fengrong，et al.Blind Source Separation and Identification of Engine Radiation Noise Based on Independent Component Analysis and Wavelet Transform［J］.Transactions of Csice，2012，30(2):166-171.

［6］蔡艳平，李艾华，石林锁，等.基于盲解卷积的柴油机振动信号分离研究［J］.振动与冲击，2010，29(9):38-41.Cai Yanping，Li Aihua，Shi Linsuo，et al.Separation of Diesel Vibration Signal Based on Blind Deconvolution［J］.Journal of Vibration and Shock，2010，29(9):38-41.

［7］梁兴雨，舒歌群.柴油机噪声源的识别研究［J］.内燃机工程，2005，26(6):67-71.Liang Xingyu，Shu Gequn.Study of Diesel Engine Noise Source Identification［J］.Chinese Internal Combustion Engine Engineering，2005，26(6):67-71.

［8］Cardoso J F，Souloumiac A.Jacobi Angles for Simultaneous Diagonalization［J］.In SLAM Journal of Matrix Analysis and Applications，1996，17(1):161-164.

［9］刘晓伟，李舜酩，张袁元.基于SONS的结构模态参数识别研究［J］.中国机械工程，2011，22(12):1454-1458.Liu Xiaowei，Li Shunming，Zhang Yuanyuan.A Study of Structure Modal Parameter Identification Based on Second Order Non－stationary Source Separation［J］.China Mechanical Engineering，2011，22(12):1454-1458.