田芳
中车大连机车车间有限公司 大连机车 116000
摘 要：基于新时代背景下，社会经济与科学技术不断进步的进程中，柴油机被广泛的应用于各个领域之中，通过多元信号自适应分解法，来对MVMD处理多信号中的故障特征进行提取，进而实现故障诊断的目的。因此，有必要针对柴油机多元信号自适应分解方法比较实施分析。
关键词：柴油机；多元信号；自适应分解；方法比较；分析
引 言：
柴油机在当前的各个领域之中都具有非常重要的作用，主要为机械、车辆等提供着重要的动力，其状态对于机械及车辆的性能将会产生直接的影响。而自适应分解方法在柴油机多元信号分析中是否适用，需要从分解效果、刻画能力以及分解效率这三个方面的评价来具体确定。
1.柴油机多元信号中多元变分模态分解
这种分解模式的实现主要是建立在变分模态分解的理论基础上，将VMD理论原来的一维信号实现了有效扩展，进而形成了多元信号，在本质上对多元非平稳信号进行了分解，使其形成了一系列的本征模态分量组。为了能够对多元震荡的数学形式进行获得，就必须要将向量形式作为一组个数为C的调幅调频信号的表示形式，通常以
｛ui（t）｝Ci＝１的形式来具体表示，即：
.png)
这种计算方式与VMD的算法存在着相似之处，MVMD算法实施的目的也是在输入数据之中对估计贷款之和的最小值进行求取，并且将其中的模态之和所能恢复的原信号当中的多元调制震荡集进行有效提取，即：｛u（t）｝kK=1，通过对H高斯平滑法的利用下，来对多元信号梯度L2的范围平方值进行计算，进而使得对各个模态分量带宽得到有效估计。
2.多元信号自适应分解法的仿真试验分析
2.1多元仿真信号的构建
由于柴油机的内部结构涉及到众多的零部件，决定了其结构的复杂性特点，并且将其激励源振动传达到传感器上时，需要经过一定的路径来具体实现的，一般情况下来对振动信号采集的时候，采集到的的信号都属于非线性非平稳调制信号。柴油机故障问题的出现，会对振动信号的频率分布产生一定的影响，所以怎样对特征频率的具体变化进行提取，是对其故障问题进行识别的关键环节。在实施仿真试验的过程中，需要与实际工况相结合，分别对各个信号进行设置，主要包括调幅信号x1、调频信号x2、谐波信号x3来对柴油机的原始信号进行模拟，主要以下列式子所示：
.png)
在对相关信号进行采集的时候，需要对各个位置传感器的采集信号传递路径存在的差异性以及噪声干扰等方面进行全面的考虑，分别对三个原始信号予以各个幅值的权值，同时通过添加白噪声的方式来实现对实际信号的有效模拟，发现其中噪声均值为0的有三个通道，而其标准差则为0.1下的随机高斯白噪声。本次试验中通过多个传感器对多远仿真信号进行了采集，如下面几个式子所示：
.png)
2.2MEMD、NAMEMD和MVMD的性能对比
分别针对MEMD、NAMEMD和MVMD的性能展开相应的对比，并将仿真信号进行有效分解。NAMEMD当中对原信号单重拥有相同长度的2个信道高斯白噪声信号，在仿真信号中参与分解，以保证将模态混叠现象能够减轻，进而实现特征频率的有效突出；在MVMD之中，将相应的分解层数与惩罚因子进行设置，这里设置分解层数为4、惩罚因子为2000，然后进行相应的分解。经过分解MEMD得到了12组的IMF分量，采用频谱分析法来进行分析，特征频率主要分布于4-6阶段的IMF组之中，所以这一阶段的IMF组为特征IMF组。针对NAMEMD的有效分解，同样得到了12组IMF分量，经过分析得出发现特征频率也在4-6阶段的IMF分量之中。而MVMD在实际分解中得到了4组IMF分量，经过相关分析发现前3个IMF组为特征频率。当前阶段的故障诊断正逐渐向着在线化、实时化方向发展，将三种算法进行相应的对比，并对时间进行计算，发现MVMD所花费的计算时间要更短，在计算效率方面要更高，能够对故障问题实现在线诊断以及实时的监测，有效地将相应的诊断效率进行提高，同时对于柴油机早期阶段的故障问题的诊断、及时预警等方面提供了重要的技术支撑。
3.多远信号自适应分解法的台架试验分析
在具体实施相应试验的时候，该柴油机的实际运行工况为2200r/min、空载现象，其实际采样频率是20kHz，采样的时间设定在0.5s，且每一种状态下都采集44组振动信号。例如，存在单缸失火故障的时候，需要对四个通道的振动信号展开多元变分模态分解试验。在实际分解的过程中，必须要对分解层数K进行确定。为了保证确定的K值具有合适性，将K分别进行取值，分别选取3，4，5，6这几位数，分别针对44组信号展开相应的分解。经过分解我们可以发现，当K<4的时候，属于欠分解的情况，当K＞4的时候，其中心频率波形的震荡较为剧烈，产生的分量间与中心频率出现相近的现象，属于过分解情况，所以当单缸失火故障出现的时候，选取K=4的时候较为合适。
结束语：
总而言之，柴油机的应用领域非常广泛，基于多元信号的分解及自适应分解法的分析，发现MVMD在机械故障诊断领域之中应用，再加上对仿真试验及台架试验的分析，得出MVMD在多分量调制信号当中能够提取出相应的特征频率，多元信号所包含的机械设备信息要更加具有全面性，在状态评估与故障诊断中要更适用。
参考文献：
[1]顾程,乔新勇,靳莹,韩立军.柴油机多元信号自适应分解方法比较[J].车用发动机,2020(06):83-89.
[2]贾继德,任刚,贾翔宇,韩佳佳.柴油机振动信号自适应分解方法的比较[J].汽车工程,2018(10):1172-1178.
[3]刘建敏,李晓磊,乔新勇,等.基于EMD和STFT柴油机缸盖振动信号时频分析[J].噪声与振动控制,2013(02):137-141.