基于声信号多域复合特征的涡轮增压器喘振识别

张书焓; 李欣; 刘海; 刘芳; 马磊; 郝晓静

doi:10.16236/j.cnki.nrjxb.202503032

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于声信号多域复合特征的涡轮增压器喘振识别

更新时间：2026-02-12

- 基于声信号多域复合特征的涡轮增压器喘振识别
- 基于声信号多域复合特征的涡轮增压器喘振识别
- 内燃机学报 2025年第3期页码：279-287
- 作者机构：
  
  1. 河北工业大学机械工程学院
  2. 天津市新能源汽车动力传动与安全技术重点实验室
  3. 中国北方发动机研究所
- 作者简介：
- 基金信息：
  
  柴油机增压技术重点实验室基金资助项目(6142212230305)
- DOI：10.16236/j.cnki.nrjxb.202503032
  中图分类号： TK423
- 纸质出版：2025
- 稿件说明：
移动端阅览
张书焓, 李欣, 刘海, 等. 基于声信号多域复合特征的涡轮增压器喘振识别[J]. 内燃机学报, 2025,(3):279-287.

张书焓, 李欣, 刘海, et al. 基于声信号多域复合特征的涡轮增压器喘振识别[J]. 2025, (3): 279-287.
张书焓, 李欣, 刘海, 等. 基于声信号多域复合特征的涡轮增压器喘振识别[J]. 内燃机学报, 2025,(3):279-287. DOI： 10.16236/j.cnki.nrjxb.202503032.

张书焓, 李欣, 刘海, et al. 基于声信号多域复合特征的涡轮增压器喘振识别[J]. 2025, (3): 279-287. DOI： 10.16236/j.cnki.nrjxb.202503032.

摘要

以某型柴油发动机涡轮增压器为研究对象，开展基于非侵入式的声信号的增压器喘振识别研究，提出了一种基于声信号多域复合特征的涡轮增压器喘振识别方法．通过增压器喘振复现试验采集了喘振声信号数据，建立了喘振声信号数据库．从时域、频域和倒谱域多域角度遴选，并提取获得多个增压器喘振声信号特征；采用随机森林算法计算了各特征对喘振的贡献度，选择核心贡献度特征组合成一个多域复合特征，作为喘振声信号敏感特征用于增压器喘振识别．利用支持向量机建立喘振识别模型，以识别准确率为目标，应用鲸鱼优化算法优化支持向量机核函数系数．通过增压器台架试验获得多组声信号，求解声信号多域复合特征，以此验证喘振识别模型的准确性，模型识别准确率可达99%以上．

Abstract

关键词

Keywords

references

秦励伟,刘贵升,盆义红,刘海,景国玺,张昊.气动激励下的涡轮增压器整机振动分析与试验[J].内燃机学报,2024(02).

陈剑,徐庭亮,黄志,孙太华,李雪原,季磊,杨惠杰.基于声信号的滚动轴承故障诊断研究[J].振动与冲击,2023(21).

孙立臣,席光,武耀族.高速离心式压气机喘振特性的实验与数值模拟研究[J].工程热物理学报,2023(06).

王志坚,王秀雷,赵康荏,史彦晓,帅石金,李国祥.国Ⅵ重型柴油机NO_x排放故障诊断算法研究[J].内燃机学报,2023(03).

Hanzhi ZHANG,Ce YANG,Ben ZHAO,Wei ZHAO,Chenxing HU,Wenli WANG,Jianbing GAO,Shijun SUN.Experimental investigation of characteristics of instability evolution in a centrifugal compressor[J].Chinese Journal of Aeronautics,2023(04).

何坤敏,王霄,杨靖,覃涛,范圆成.基于RF特征优选和WOA-ELM的风电齿轮箱故障诊断[J].电子测量技术,2023(05).

陈明,张志强.基于改进方差法的压气机喘振在线检测[J].车用发动机,2022(06).

王睿,李健伟,赵强,么立新,曾鸣,李凯华,刘德重.某工业用离心式压缩机失速和喘振识别试验研究[J].风机技术,2022(05).

孙启涛,罗智孙,梁好,鲁纳纳.基于多尺度特征提取的风机音频信号故障诊断方法研究[J].机电工程,2023(01).

李泽芃,乔百杰,文璧,陈雪峰.基于声阵列信号的风扇喘振先兆特征识别[J].航空动力学报,2021(05).

刘雁,高宽,何浩,马凯.基于多重分形的离心压缩机出口动态压力非线性特征研究及其在喘振识别中的应用[J].振动与冲击,2021(01).

杜军,文璧,刘元是.轴流压气机喘振状态下的声学特征及诊断方法[J].燃气涡轮试验与研究,2020(05).

雷杰,房剑锋,雷晓波.基于脉动压力变化率的航空发动机喘振检测方法[J].燃气涡轮试验与研究,2019(02).

严潇,张志强,闫学明.一种涡轮增压器离心式压气机喘振自动识别算法[J].车辆与动力技术,2017(04).

马超,朱智富,王桂华,刘云岗.喘振发生前车用涡轮增压器离心压气机非稳态流动分析[J].内燃机学报,2011(01).

贺云南,刘镇,秦建文.利用振动信号诊断废气涡轮增压器喘振故障[J].海军工程大学学报,2000(06).

Yu Min,Niu Dongxiao,Gao Tian,Wang Keke,Sun Lijie,Li Mingyu,Xu Xiaomin.A novel framework for ultra-short-term interval wind power prediction based on RF-WOA-VMD and BiGRU optimized by the attention mechanism[J].Energy,2023.

Yao Peng,Wang Jinxi,Zhang Faye,Li Wei,Lv Shanshan,Jiang Mingshun,Jia Lei.Intelligent rolling bearing imbalanced fault diagnosis based on Mel-Frequency Cepstrum Coefficient and Convolutional Neural Networks[J].Measurement,2022.

Sandoval Oscar R.,Machado Luiz Henrique Jorge,Hanriot Vítor Mourão,Troysi Fernanda,Faria Marco Tulio C..Acoustic and vibration analysis of a turbocharger centrifugal compressor failure[J].Engineering Failure Analysis,2022.

R. Kabral,M. Åbom.Investigation of turbocharger compressor surge inception by means of an acoustic two-port model[J].Journal of Sound and Vibration,2018.

Gao Zhanbin,Liu Siyuan,Wang Hechun,Chen Meilong,Wang Zhipeng.Experimental investigation of characteristic frequency in compressor surge of a turbocharger[J].Noise Control Engineering Journal,2017.

Xinqian Zheng,Zhenzhong Sun,Tomoki Kawakubo,Hideaki Tamaki.Experimental investigation of surge and stall in a turbocharger centrifugal compressor with a vaned diffuser[J].Experimental Thermal and Fluid Science,2017.

Seyedali Mirjalili,Andrew Lewis.The Whale Optimization Algorithm[J].Advances in Engineering Software,2016.

Ponti Fabrizio,Ravaglioli Vittorio,Corti Enrico,Moro Davide,De Cesare Matteo.Non-Intrusive Methodology for Estimation of Speed Fluctuations in Automotive Turbochargers under Unsteady Flow Conditions[J].SAE International Journal of Engines,2014.

A.X. Liu,X.Q. Zheng.Methods of surge point judgment for compressor experiments[J].Experimental Thermal and Fluid Science,2013.

Corinna Cortes,Vladimir Vapnik.Support-Vector Networks.[J].Machine Learning,1995(3).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据