Vous êtes sur la page 1sur 10

Abonnez-vous à DeepL Pro pour éditer ce document.

Visitez www.DeepL.com/pro pour en savoir plus.

Une approche basée sur les vibrations pour le


diagnostic des défauts des
moteurs diesel

Chao Jin, Wenyu Zhao, Zongchang Liu, Jay Lee Xiao He


NSF Center for Intelligent Maintenance Systems CSSC Electronics Technology Co., Ltd
Université de Cincinnati Beijing, République populaire de
Cincinnati, Ohio, États-Unis d'Amérique Chine

Résumé - Comme les moteurs diesel jouent un rôle critique dans TABLEAU I RÉSUMÉ DES MÉTHODES EXISTANTES DE
diverses applications, la capacité d'un système de surveillance de DIAGNOSTIC DES MOTEURS DIESEL
la santé à effectuer un diagnostic précoce des défauts est d'une Signal Défauts Caractéristiqu Méthod
importance vitale pour le fonctionnement fiable d'un moteur es e
diesel tout au long de son service. En ce qui concerne la criticité Amplitudes entre
du diagnostic des défauts des moteurs diesel, de nombreux efforts la première moitié Amplitude du
Misfire
et le second ordre domaine d'ordre
de recherche ont été menés en adoptant des méthodes basées sur [2] [2]
l'injection, les vibrations ou la vitesse instantanée. L'étude Déséquilibre du Coefficients de
présentée dans cet article traite d'une approche intégrée du cylindre causé corrélation croisée. Corrélation +
Vitesse
diagnostic des défauts de combustion et des fuites de soupapes, en par une faible Coefficients de mesures basées sur
angulair
combinant le signal de vibration avec les signaux de pression du production l'ajustement la similarité +
e, PMH
d'électricité polynomial à 3 reconnaissance des
cylindre et de vitesse de rotation. Les méthodes de traitement du cylindres formes [3].
degrés de
signal, y compris l'analyse du domaine temps-fréquence telle que l'événement de tir
la décomposition en ondelettes, sont appliquées pour extraire les vitesses des
caractéristiques des données recueillies dans différentes segments [3]
conditions sanitaires. La dimension de l'ensemble des Estimation de la
Calcul de la
commande de
caractéristiques est ensuite réduite par une analyse Fuite de quantité de
rétroaction basée
discriminante. Les techniques de classification sont ensuite carburant carburant basé sur
sur la physique
la physique [4][5].
évaluées en tant qu'outils de diagnostic des défauts. L'approche pour le carburant
proposée est validée sur un banc d'essai de moteur diesel à petite quantité [4][5]
échelle, et doit être appliquée dans un système de surveillance de Énergie de
Vibration, Seuil d'énergie dans le
Misfire vibration lors de
la santé dans le monde réel. PMH
l'événement
domaine temporel [2]
fenêtre [2]
Mots clés : diagnostic des défauts, extraction de Injecteur Zone de signal de
Seuil d'énergie dans le
caractéristiques, défaut de combustion du moteur diesel.

I. INTRODUCTION signaux de vitesse, de vibration ou d'injecteur. Un résumé des


L'industrie a pris conscience que le pronostic et la gestion travaux récents est présenté dans le tableau I. La plupart des
de l'état de santé ne sont plus un accessoire supplémentaire du défauts détectés sont des ratés d'allumage des cylindres, et la
système, mais un élément nécessaire et essentiel pour garantir vitesse du volant d'inertie est un signal relativement commun
la fiabilité et la productivité de manière efficace et rentable. pour la détection des défauts des moteurs diesel.
Les moteurs diesel, qui constituent l'un des principaux
équipements dans une variété d'applications, ont toujours été
populaires comme sujet de la surveillance de l'état de santé.
Contrairement aux boîtes de vitesses ou aux paliers, qui sont
de purs systèmes rotatifs, les moteurs diesel possèdent un
processus physique plus complexe, parfois appelé
cyclostationnaire [1]. Parmi les nombreuses catégories de
défauts, les défauts de combustion tels que les ratés d'allumage
et les fuites dans le système d'injection sont particulièrement
intéressants, car ils se produisent plus souvent.
Dans le but de détecter et de diagnostiquer plus
précisément les défauts des moteurs diesel, diverses
méthodologies efficaces ont été développées à partir des
dans l'algorithme de reconnaissance de formes pour la
détection des défauts. L'algorithme a pu localiser le cylindre
défectueux et n'a donné aucune fausse alerte lorsque le moteur
Plus précisément, A. K. Sood et al (1985) ont proposé
fonctionnait normalement.
trois méthodologies développées sur la base des corrélations
statistiques, de la mesure de similarité non supervisée et de M. Geveci et al (2005) ont décrit une approche basée sur le
la reconnaissance de formes supervisée. Les trois approches signal de vibration pour détecter les déséquilibres individuels
se sont avérées efficaces et pour la reconnaissance des des cylindres d'un moteur diesel multicylindre. Une
formes qui a la meilleure performance, les formes d'onde transformée de Fourier a été adoptée pour générer une
obtenues à partir de la vitesse angulaire du volant d'inertie signature calculée à partir des composantes harmoniques.
ont été décomposées puis ajustées par un polynôme. Les Cette signature a été tracée en fonction de la vitesse du moteur
coefficients du polynôme ont ensuite été pris comme vecteur et de
caractéristique pour servir de classificateur de formes utilisé

9781479949434/14/$31.00 ©2014 IEEE


et le diagnostic a été effectué en quantifiant et en différenciant
la forme du tracé 3D.
D. Watzenig et al (2009) ont proposé une méthode basée
sur un modèle thermodynamique pour capturer les
changements du taux de compression des signaux de pression
du cylindre. Le modèle a été construit avec précision à l'aide
de connaissances préalables et de bruits caractérisés, de sorte
qu'il était suffisamment robuste pour résister à la dérive du
capteur. Une autre méthode ratiométrique qualitative mais
rapide a également été présentée pour capturer rapidement le
changement de l'offset de pression global.
S. P. Mitchell Lebold et al (2012) ont étudié de manière
intensive six méthodes différentes pour analyser les défauts
d'injection basées sur le signal de l'injecteur, le signal de
vibration et le signal du codeur de vitesse. Les défauts
d'injection ont été identifiés avec succès à l'aide d'outils
d'analyse du domaine temporel, du domaine fréquentiel et du Figure 1. Organigramme de la méthodologie globale de diagnostic des défauts
domaine d'ordre. Les signaux de chaque catégorie de chaque des moteurs diesel.
méthode ont été présentés pour montrer la différence entre
l'état normal et l'état défectueux, et la quantification de la Dans cette étude, l'organigramme suivant montre la mise
différence est ensuite formulée. Toutes les approches ont en œuvre de la méthodologie sur le diagnostic des défauts des
permis d'identifier l'emplacement du cylindre défectueux. moteurs diesel. Comme indiqué, quatre types de signaux
doivent être acquis, à savoir le signal de pression du cylindre,
Compte tenu des nombreuses approches existantes en
le signal de vibration du haut du couvercle du cylindre, le
matière d'analyse des défauts des moteurs diesel, dans la
signal du point mort haut (PMH) et le signal du codeur de
plupart des cas, un seul type de défaut est considéré à la fois
vitesse. Après une observation initiale, les données brutes de
pour être distingué de l'état normal, et les caractéristiques des
pression et de vibration seront segmentées à l'aide du signal du
données de l'état défectueux n'ont pas été étudiées en
PMH et de la vitesse. Ensuite, toutes les caractéristiques seront
profondeur. En raison de la nature "garbage-in-garbage-out"
extraites sur la base des données segmentées.
de toute approche de pronostic et de diagnostic basée sur les
données, l'extraction correcte et efficace des caractéristiques Les sous-sections suivantes se concentrent sur la
est d'une importance vitale, si ce n'est la plus importante. Cet présentation des caractéristiques qui seront utilisées dans cette
article met l'accent sur l'extraction de caractéristiques des étude, et sur la raison pour laquelle elles ont été utilisées pour
signaux de vibration et de pression en utilisant des méthodes la capture de la signature du moteur diesel. En outre, deux
du domaine temporel, du domaine fréquentiel et du domaine méthodes de sélection des caractéristiques sont également
temps-fréquence afin d'explorer celles qui peuvent mieux illustrées pour expliquer comment les performances de chaque
différencier les défauts de l'état sain. En outre, trois types de caractéristique peuvent être comparées.
défauts ont été analysés au lieu d'un seul, à savoir la
combustion instable, la fuite de soupape et la désactivation du A. Extraction
cylindre. d'éléments
Le reste de l'article est organisé comme suit : La section 2 1) Domaine temporel
présente l'ensemble de la méthodologie et les techniques [9]
d'extraction de caractéristiques qui vont être calculées à partir a) Moyenne quadratique (RMS)
du domaine temporel, du domaine fréquentiel et du domaine
temps-fréquence. La section 3 présente brièvement la mise en La moyenne quadratique (RMS) d'un signal mesure la
place de l'expérience, et le prétraitement du signal est présenté puissance qu'il contient. La représentation mathématique de
dans la section 4. Les résultats d'analyse sont présentés dans cette caractéristique est la suivante :
les sections 5~7, et l'étude est ensuite conclue dans la section N
8.
sn 2
1N∑
n1
II. MÉTHODOLOGIE
Méthodes typiques axées sur les données pour les défauts
RMS (1)
de santé des machines
Le diagnostic nécessite généralement une bibliothèque de où N est la longueur d'échantillonnage du signal, s représente
données provenant à la fois de conditions saines et de diverses le signal échantillonné, et sn est la nième valeur
conditions défectueuses pour l'apprentissage du modèle. d'échantillonnage. En ce qui concerne la puissance, les défauts
Cependant, l'entrée directe du modèle de classification est des moteurs diesel liés à la combustion sont par nature une
rarement constituée de données brutes, mais plutôt perte d'énergie. Ainsi, RMS devrait être un bon indicateur pour
d'informations de signature extraites des données brutes. Et capturer le changement de puissance dans le signal à partir de
l'extraction correcte des caractéristiques des données brutes différentes conditions de santé, en particulier pour le segment
nécessite de l'expérience, une compréhension physique du de combustion.
système et des connaissances spécialisées. Dans la perspective
d'un domaine temporel, d'un domaine fréquentiel et d'un b) Crête à crête (P2P)
domaine temps-fréquence
l'analyse, il faut essayer différentes méthodes pour obtenir des
caractéristiques cohérentes et distinctes du signal.
P2P s max smin (2)
Ensuite, les caractéristiques extraites doivent être La caractéristique Peak-to-peak mesure l'amplitude entre la
sélectionnées en observant quelle caractéristique pourrait valeur de crête et la valeur de creux, qui peut être négative.
mieux fonctionner pour différencier les différents états de Cette caractéristique n'est peut-être pas le moyen le plus
santé. Enfin, les caractéristiques sélectionnées doivent être approprié pour mesurer l'information sur l'amplitude d'un
introduites dans un algorithme de classification pour effectuer signal aléatoire non stationnaire tel que
un diagnostic des défauts.
la vibration du moteur diesel. Cependant, pour le signal de Mk
pression, il pourrait être utile, et son calcul est également ckj 2
efficace sur le plan informatique, ce qui permet une réponse j 1
rapide lorsque des défauts évidents apparaissent dans le signal Er 100 (6)
de vibration. Ainsi, il devrait toujours être 2
kL Mk
inclus comme une fonctionnalité. cki
k 1 i1
c) Kurtosis
Le kurtosis est largement utilisé pour mesurer la forme où Erk est le pourcentage de l'énergie au niveau k, c kiet ckj sont
d'une distribution statistique, généralement la taille du pic et les ième ou jième coefficients pour le détail ou l'approximation
de la queue, ou de l'"épaule" d'une courbe. Il est défini comme du kième niveau, L est le nombre total de niveaux, et Mk est le
le rapport entre le quatrième moment du signal sur la variance nombre de coefficients contenus au niveau k. Le rapport de
au carré. l'énergie est pris au lieu de la valeur exacte de l'énergie parce
que la
La relation entre l'énergie à un certain niveau et l'énergie totale
Kurtosis 4 2
(3) pourrait être plus cohérente que l'énergie elle-même.
2
4) Sélection des
où μ4 est le quatrième moment du signal, qui est égal à caractéristiques
a) Critère de Fisher
L'objectif du critère de Fisher est d'améliorer la précision
E4⎡s E s4 ⎤ (4) de l'algorithme de classification. Lorsque la dimension de la
⎣ ⎦
caractéristique est grande, ou que toutes les caractéristiques ne
sont pas aussi performantes que les autres, le critère de Fisher
peut être utilisé.
et μ2 est la variance. En considérant la forme du cylindre attendu, le score de Fisher de chaque caractéristique peut être
La forme de l'onde de pression pendant la combustion est calculé pour servir de mesure de performance, qui est défini
similaire à celle d'une distribution gaussienne. comme suit [11] .
2
quantifier la signature.  j,k
F (h, j) h,k
(7)
d) Facteur de crête k 2 2
h, j,
Le facteur de crête quantifie l'impact des impulsions dans k k
un signal. Il s'agit de
est défini comme le rapport entre la valeur de crête et la où h étiquette la classe saine ou toute autre classe de référence,
valeur RMS. et j étiquette la jème classe défectueuse ; μ h,ket μj,k sont la
|s |peak moyenne de la kème caractéristique dans les classes saine et
(5) défectueuse, et σ h,k2et σj,k2 sont les variances de la kème
Facteur de crête
caractéristique dans les classes saine et défectueuse. Une fois
RMS le score de Fisher obtenu, toutes les caractéristiques peuvent
être évaluées.
Lorsque des problèmes de combustion surviennent, le signal.
niveau de pointe reflété par la vibration et la pression du
cylindre peut montrer une diminution de l'impulsivité du 2)Transformée de
Fourier dans le sont classées en fonction de leur capacité à distinguer les
domaine de la conditions défectueuses des conditions saines. Un seuil peut
alors être fixé pour sélectionner les caractéristiques ayant des
fréquence
performances acceptables.
La transformée de Fourier est généralement reconnue
comme étant inadaptée aux processus aléatoires non b) Critère du rapport de gain
stationnaires, du fait qu'elle ne peut pas capturer la variation Une autre méthode de sélection des caractéristiques est le
d'énergie dans le temps, ce qui ne permet pas de l'appliquer à critère du ratio de gain. Par rapport au critère de Fisher, la
l'ensemble du signal de vibration. Néanmoins, il est toujours méthode du rapport de gain présente l'avantage de classer
utile de vérifier le spectre de fréquence de l'instantané de toutes les caractéristiques ensemble par rapport à plusieurs
combustion de la vibration du moteur diesel pour voir classes de santé, au lieu de deux seulement. Sur la base de la
théorie de l'entropie, la quantité moyenne d'information
nécessaire dans une caractéristique pour identifier une certaine
classe est [12] .
s'il existe une signature capable de distinguer différents états m
de santé, notamment dans les plages de hautes fréquences. infoX (T ) n
3) Domaine temps-fréquence Tp
⎛ p1 T ⎛ freq(Cq ,T ) ⎞⎞ (8)
freq(Cq ,T )
Rapport d'énergie de la transformée en ondelettes ⎜ log2
La transformée en ondelettes est l'une des plus populaires et ⎝⎜ T ⎟⎟
⎝ q1
T ⎠⎠
des plus efficaces.
méthodes temps-fréquence pour l'analyse des phénomènes non où Cq représente la classe q, T est un ensemble de cas, Tp est le
stationnaires.
signaux. En utilisant une base à durée limitée ou ondelette pième cas, n est le nombre total de résultats, et m est le nombre
mère, le signal original est représenté par les coefficients de la de classes. L'information obtenue par la répartition de T par
fonction de base dans le domaine d'échelle, qui est étroitement rapport au test X serait [12].
lié à la fréquence. Pour la décomposition en ondelettes
discrètes, le signal est
transformé en un niveau entier de plusieurs détails de haute gain(X) info(T) infoX (T) (9)
fréquence et d'une approximation de basse fréquence.
Le rapport de l'énergie de la forme d'onde à chaque niveau De même, la mesure de l'information potentielle produite
sur l'énergie totale peut être calculé comme une par la division de T en n sous-ensembles est [12].
caractéristique. Il est défini comme suit :
n IV. PRÉTRAITEMENT DU SIGNAL - SÉGMENTATION
Ti T  log ( Ti )
diviser info(X) - (10) Avant de se plonger dans une quelconque méthode de
2
p1 T manipulation du
données, le processus que subit le moteur diesel devrait être
Et le rapport de gain peut être calculé étudiée en profondeur, afin que le dernier travail d'extraction de
comme suit [12]. caractéristiques ait un sens physique. Comme l'indique la figure
2, un moteur diesel
rapport de gain(X) Le cylindre passe généralement par quatre phases au cours du
(11)
split info(X) processus de fonctionnement, à savoir l'admission, la
gain (X) = compression, la combustion et l'échappement.
Le ratio de gain mesure la proportion d'informations générées collecter des données dans le but de diagnostiquer les défauts de
par l'information fractionnée qui est utile pour la classification, combustion. Les vibrations du couvercle du cylindre, la pression
et il est connu pour être plus robuste et cohérent que le critère du cylindre, le signal du PMH et le signal du codeur de vitesse
de gain. ont été acquis à une fréquence d'échantillonnage de 200k Hz.
Quatre conditions de santé différentes ont été prises en compte, à
III.MISE EN PLACE EXPÉRIMENTALE savoir une condition saine/normale, une combustion instable, une
Un banc d'essai de moteur diesel a été mis en place pour fuite de soupape et une désactivation du cylindre. Les défauts de
combustion ont été induits sur un cylindre individuel d'un moteur
diesel multicylindre. Et pour chaque état de santé, un essai
variant de 6,5 à 10 secondes de données a été collecté. La
résolution de fréquence la plus basse était de 0,15 Hz.
Contrairement aux moteurs à induction qui ont le souci du
glissement qui exige une résolution de fréquence suffisante, les
vibrations du moteur diesel nécessitent un taux d'échantillonnage
assez élevé pour voir les caractéristiques du spectre de haute
fréquence. Ainsi, la durée des tests est suffisante pour capturer
les caractéristiques des défauts.
Figure 2. Cycle à quatre temps d'un moteur diesel. Un cycle complet
correspond à deux révolutions pour un moteur diesel à quatre temps. Du Comme plusieurs cylindres sont placés les uns à côté des
"Début de l'admission" à la "Fin de l'admission", c'est la course d'admission. autres en suivant un ordre d'allumage prédéfini, les influences
Ensuite, le moteur passe par la phase de compression jusqu'à l'injection. La des cylindres adjacents doivent être prises en compte et évitées
course de combustion a lieu et se termine lorsque "Exhaust Starts", qui indique lors de l'analyse des défauts de combustion. Cela nécessite
le début de la course d'échappement. Avant qu'il ne se termine, le couvercle
d'admission s'ouvre à nouveau et le cycle se répète.
d'abord une segmentation correcte du signal et une
identification correcte de chaque coup physique.
La segmentation du signal utilise le signal de pression du
cylindre dans la condition de désactivation du cylindre, le
signal du PMH et le signal du codeur de vitesse. Notez que le
signal de point mort haut n'est pas généré par le cylindre
défectueux et qu'en condition normale, la pression maximale
du cylindre ne correspond pas au PMH physique en raison de
la combustion. Ainsi, le signal de pression du cylindre de la
condition de désactivation du cylindre est adopté pour localiser
la position du PMH physique. La procédure de segmentation
est la suivante :
 Repérez la position de pression maximale dans la
condition de désactivation du cylindre pour trouver le
PMH physique ;
 Comptez le nombre d'impulsions du signal de vitesse
en utilisant la technique du passage à zéro [13] pour
déterminer la différence d'angle entre le PMH
physique du cylindre concerné et le signal du PMH ;
 Outre le PMH et le point mort bas (PMB), identifiez le
début et la fin des courses d'admission et
d'échappement en fonction de leurs angles par rapport
au PMH et au PMB.
La réflexion des quatre courses sur le signal de vibration
du cylindre est illustrée à la figure 3. Comme on peut
l'observer sur le graphique, les influences des cylindres
adjacents sont très perceptibles dans les signaux de vibration.
En outre, la vibration causée par l'arrêt de l'admission et de
l'échappement semble être plus sévère que celle de la
combustion. Cela prouve que l'extraction de caractéristiques,
en particulier de caractéristiques globales dans le domaine
temporel, sans examiner le signal et sans éviter l'influence de
facteurs autres que la combustion du cylindre concerné, peut
aboutir à des conclusions trompeuses.
Après la segmentation, le segment de combustion est défini
comme le point où l'injection commence jusqu'au point où la
course d'échappement commence. Un instantané du segment
de combustion des vibrations et de la pression du cylindre pour
chacun des quatre états de santé est présenté dans les Fig. 4 et
Fig. 5. Comme observé dans les données brutes, des
différences qualitatives sont perceptibles, qui doivent être
quantifiées pour l'algorithme de diagnostic. Notez que toutes
les figures sont mises à l'échelle au même niveau et que les
étiquettes ont été supprimées.
En ce qui concerne les conditions sanitaires, il semble que la
désactivation du cylindre soit la condition la plus
différenciable par rapport aux deux autres défauts, car elle
entraîne la plus grande perte d'énergie, ce qui se reflète très
bien dans la valeur efficace. L'amplitude diminue également
de manière significative en mode désactivation et la
caractéristique de crête à crête est capable de capturer cela. Au
contraire, le facteur de crête ne semble pas être aussi utile que
prévu, tout comme le kurtosis. En raison de la nature bruyante
de la vibration du moteur diesel, les caractéristiques du
domaine temporel dans la même condition ont une variation
élevée, indiquant un manque de cohérence, en particulier pour
le facteur de crête et le kurtosis.

Pression normale Pression de combustion instable

Pression [V]
Pression [V]
Temps [s] Temps [s] Pression de

Pression de la fuite de désactivation du cyclindre

la valve
Pression [V]

Pression [V]
Figure 3. Segmentation des signaux de pression et de vibration du cylindre du
moteur diesel.

Vibration
normale Vibration instableCombustion Temps [s] Temps
[s]
Accélération [g]

Accélération [g]

Figure 5. Données brutes du segment de combusion de la pression du


cylindre.

Vibration Vibration
Temps [s] Temps [s] Vibration
RMS Peaktopeak
Vibration de la de désactivation du cyclindre
Valeur de la fonctionnalité

Valeur de la fonctionnalité

valve-fuite
Accélération [g]

Accélération [g]

Normal InstableSoupape de combustionFuite du cyclindreDésactivation

050100 150 200 250 050 100 150 200 250


Numéro de r (accumulé) Nombre de cycles
cycle Facteur de (accumulés) Vibration
Temps [s]
crête de Kurtosis
vibration
Temps [s]
Valeur de la fonctionnalité

Figure 4. Données brutes du segment de combustion


Valeur de la fonctionnalité

par vibration.

V. RÉSULTATS DE L'EXTRACTION DE
CARACTÉRISTIQUES 050100 150 200 050 100 150 200 250
250 Numéro de cycle (accumulé)
Numéro de cycle (accumulé)
A. Domaine temporel
Comme mentionné dans les sous-sections précédentes, les en fonction du nombre de cycles accumulés, comme le montre
caractéristiques du domaine temporel sont la valeur efficace, la la Fig. 6.
valeur crête à crête, le facteur de crête et le kurtosis. Les
caractéristiques calculées pour tous les segments de D'après les valeurs des caractéristiques dans le domaine
combustion de différentes conditions sont empilées et tracées temporel pour le segment de combustion des vibrations, où les
différentes couleurs représentent les différents types de
Figure 6. Caractéristiques du domaine temporel pour le segment de
combustion. combustion des vibrations des cycles des quatre états de
santé.
Pression Pression Caractéristique Caractéristique
RMS Peaktopeak FFT Vib FFT Vib
1700~1900 Hz 5000~9000 Hz
eature Valeur

Valeur de la fonctionnalité

Magnitude
Magnitude
F

050 100 150 200 250


050100 Numéro de cycle (accumulé) 050100 150 200 050 100 150 200 250
Facteur de 250 Numéro de cycle (accumulé)
Pression
crête de Numéro de cycle (accumulé)
Kurtosis
pression Caractéristique
Valeur de la fonctionnalité

FFT Vib
Valeur de la fonctionnalité

Combustion normale instable 10300~10900


ValveFuite150 200 250 Hz
Normal
CyclinderDeactivation Accumulé)

Magnitude
InstableSoupape de
combustionFuite du
cyclindreDésactivatio
n
050 100 150 200 250
050100 150 200
250
Numéro de cycle (accumulé)
Numéro de cycle (accumulé)
050100 150 200
250
Numéro de cycle (accumulé)

Figure 9. Caractéristiques du domaine fréquentiel : magnitude maximale


Figure 7. Caractéristiques du domaine temporel pour le segment de
de trois plages prédéfinies du spectre de fréquence du segment de
combustion de la pression du cylindre à partir des cycles des
combustion des vibrations.
quatre conditions de santé.
Contrairement à l'analyse de la boîte de vitesses, le
B. Domaine de fréquence segment de la combustion du moteur diesel n'a pas de
Les spectres de fréquence d'un instantané du segment de fréquences clés particulières qui sont liées de manière cruciale
combustion des vibrations dans quatre conditions différentes aux conditions sanitaires. La raison pour laquelle ces trois
sont présentés à la figure 8. On peut voir sur la figure que les plages de fréquences présentent un intérêt particulier est que
pics du spectre de fréquence dans les différentes plages de l'observation montre des pics de magnitude dans ces plages, et
fréquence présentent des valeurs d'amplitude différentes selon que les valeurs des pics dans différentes conditions sont
les conditions. généralement différentes les unes des autres.

La figure 9 comprend les tracés de l'amplitude maximale En général, la magnitude maximale dans une certaine
(pic) dans les trois plages de fréquences suivantes gamme de fréquences varie beaucoup, en particulier pour les
conditions 1700~1900 Hz, et 5000~9000 Hz. Néanmoins, à
1.1700~1900 Hz partir de la Fig. 9, nous pouvons dire que la magnitude dans la
2.5000~9000 Hz gamme des hautes fréquences 10300~10900 Hz est capable de
différencier les conditions. La signification physique sous-
3.10300~10900 Hz jacente à ce phénomène nécessite une étude plus approfondie,
mais le résultat semble être prometteur pour le diagnostic des
défauts.

C. Domaine temps-fréquence
Condition du spectre Condition du spectre de
de fréquence : fréquence : InstableCombustion La transformée en ondelettes discrètes a été appliquée aux
Normal vibrations du segment de combustion. Les données brutes de
vibration ont été décomposées sur la base de l'ondelette de
Daubechies 'db2' en 8 niveaux, avec un exemple de
|S(f)|

|S(f)|

décomposition en condition normale montré à la Fig. 10.


Après la décomposition des données brutes, le rapport
Fréquence (Hz) d'énergie de l'ondelette à chaque niveau a été calculé pour
Fréquence (Hz) Spectre de chaque segment de combustion des quatre conditions. Afin de
Condition du spectre vérifier la cohérence et la capacité à différencier les différentes
fréquence
de fréquence : conditions, le pourcentage d'énergie pour les détails de haute
Condition : Désactivation du
ValveLeak cyclindre
fréquence et l'approximation de basse fréquence est présenté
dans la Fig. 11. Malgré la distribution "épaisse" du ratio
d'énergie haute fréquence aux niveaux 4~ 8, les niveaux 1~3
|S(f)|

|S(f)|

sont plus concentrés et semblent mieux distinguer une


condition de l'autre. En ce qui concerne les approximations à
basse fréquence, la condition la plus importante est la
Fréquence (Hz) désactivation du cylindre, mais les autres conditions sont
Fréquence (Hz)
difficiles à distinguer. Compte tenu de l'analyse pour les caractéristiques extraites du temps
Figure 8. Exemples de morceaux du spectre de fréquence du segment de Dans le domaine des vibrations et de la pression des cylindres,
combustion des vibrations de quatre états de santé.
il est évident que la désactivation des cylindres est le défaut le
plus facile à identifier. Ceci est dû au fait que
il n'y a pas d'injection dans cette condition, et le niveau
d'énergie est beaucoup plus bas que toutes les autres
conditions, ce que la plupart des caractéristiques peuvent
VI. RÉSULTAT DE LA SÉLECTION DES
refléter. En revanche, pour la combustion instable et les fuites CARACTÉRISTIQUES
de soupapes, il est plus difficile de les détecter comme des
défauts ou de faire la différence entre les deux. Les A. Critère de Fisher
caractéristiques temporelles de la pression du cylindre sont
Maintenant que les caractéristiques ont été extraites et que
plus utiles que les vibrations, car les signaux de pression sont
les performances de chaque méthode sont observées et
plus propres et leurs formes diffèrent beaucoup selon les
discutées, il est préférable que le score de Fisher soit calculé
conditions. Les vibrations donnent un meilleur aperçu de la
afin que les caractéristiques puissent être sélectionnées sur la
signature de l'état du moteur diesel dans une gamme de
base de résultats quantifiés. Selon [9], le score de Fisher est
fréquences plus élevée et dans le domaine temps-fréquence.
calculé pour comparer la capacité des caractéristiques à
distinguer deux conditions. Ainsi, pour les quatre conditions
Vibration originale de la combustion :
étudiées, il y a au total six graphiques de score de Fisher, qui
ondelette normale : db2 sont présentés dans la Fig. 12.
50
0
• 50 Le résultat du score de Fisher de la figure 12 montre qu'il y
00.0050.010.0150.
020.025 a rarement une caractéristique toujours efficace pour
Temps distinguer deux conditions. Au contraire, un ensemble de
[s] caractéristiques doit être utilisé pour traiter tous les cas. Sur la
Le ve l 5 Niveau 3 Le ve l 1

Le ve l 6 Niveau 4 Le ve l 2

base du diagramme à barres du score de Fisher, les


caractéristiques suivantes sont considérées comme utiles :
1. RMS, P2P et Kurtosis, soit la quasi-totalité des
caractéristiques temporelles du segment de
combustion du signal de pression du cylindre, à
l'exception du facteur de crête ;
2. RMS, P2P, magnitude de pic de la gamme de
fréquence 10300~10900Hz, et le rapport d'énergie
d'ondelette aux niveaux 1~4 du segment de
combustion du signal de vibration.
En pratique, une valeur seuil pour le score de Fisher peut
Le ve l 8
A p p rox C oe fLf e ve l 7

être déterminée à l'avance par l'expérience et les connaissances


préalables pour effectuer une sélection automatique des
caractéristiques.

Combustion normale ou Normal vs


instable ValveLeak
4025
1 : P-RMS
Valeur du score de Fisher

Valeur du score de Fisher

3020 2 : P-P2P
15
3 : P-CF
Figure 10. Exemple de décomposition en ondelettes discrètes pour les 20 4 : P-Kurtosis
10 5 : V-RMS
données brutes du segment de combustion des
6 : V-P2P
vibrations. 105
7 : V-CF
0
0102030 001020308 : V-Kurtose
Caractéristiques Caractéristiques 9 : 1700~1900Hz
10 : 5000~9000Hz
Normal contre Combustion instable vs Fuite de
CyclinderDeactivation soupape 11 :
Rapport d'énergie des ondelettes pour les détails 800 15 10300~10900Hz
Valeur du score de Fisher

Valeur du score de Fisher

à haute fréquence 12 : WaveD1


Ratio énergétique

600 13 : WaveD2
10
14 : WaveD3
400
16 : WaveD5
517 : WaveD6
200
18 : WaveD7
0 019 : WaveD8
0102030 010203020 : WaveA1
Caractéri Caractéristiques
1 2 3 4 5 6 7 8
stiques
Niveau d'ondelette Normal InstableSoupape de combustionFuite du cyclindreDésactivation
(accu Combustion instable et
désactivation des cylindres
mulé)
Rapport d'énergie des ondelettes pour l'approximation 500
Valeur du score de Fisher

des basses fréquences. 400


Ratio énergétique

300

200

100

0
050100150200250 0102030

Numéro de cycle Caractéristiques


102030
Fuite de
soupape vs Caractéri
400 désactivation stiques

Valeur du score de Fisher


du cylindre
300

200

100

0 0

Figure 11. Rapport d'énergie en ondelettes des détails haute fréquence et des
Figure 12. Classement de la sélection des caractéristiques de l'analyse
approximations basse fréquence pour les cycles de quatre états
discriminante de Fisher.
de santé.
Valeurs du rapport de gain -
Moteur diesel 1 : P-RMS Matrice de confusion de Validation Matrice de confusion
la formation
2 : P-P2P 45 0 0 0 100%
1
10 0 0 0 100%
3 : P-CF 1
34.6% 0.0% 0.0% 0.0% 0.0% 30.3% 0.0% 0.0% 0.0% 0.0%

4 : P-Kurtosis 0 34 0 0 100% 0 6 0 0 100%


2
5 : V-RMS

Classe de sortie
0.0% 26.2% 0.0% 0.0% 0.0% 0.0% 18.2% 0.0% 0.0% 0.0%
2

Classe de sortie
6 : V-P2P 0 0 22 0 100% 0 0 10 0 100%
7 : V-CF 0.0% 0.0% 16.9% 0.0% 0.0%
3
0.0% 0.0% 30.3% 0.0% 0.0%
3
8 : V-Kurtosis
Valeur du rapport de gain

0 0 0 29 100% 0 0 0 7 100%
9 : 1700~1900Hz 0.0% 0.0% 0.0% 22.3% 0.0% 4 0.0% 0.0% 0.0% 21.2% 0.0%
10 : 5000~9000Hz 4
100% 100% 100% 100% 100% 100% 100% 100% 100% 100%
11 : 10300~10900Hz 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0%
12 : WaveD1
13 : WaveD2
1234 1234
14 : WaveD3
Classe cible Classe cible
15 : WaveD4
16 : WaveD5
17 : WaveD6 Matrice de confusion des tests Matrice de toutes les confusions
18 : WaveD7 21 0 0 0 100% 76 0 0 0 100%
1 1
19 : WaveD8 38.2% 0.0% 0.0% 0.0% 0.0% 34.9% 0.0% 0.0% 0.0% 0.0%

0 12 0 0 100% 0 52 0 0 100%
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 20 : WaveA1 2 2

Classe de sortie
Classe de sortie

0.0% 21.8% 0.0% 0.0% 0.0% 0.0% 23.9% 0.0% 0.0% 0.0%
Article de fond
0 0 10 0 100% 0 0 42 0 100%
3 3
0.0% 0.0% 18.2% 0.0% 0.0% 0.0% 0.0% 19.3% 0.0% 0.0%

Figure 13. Résultat du ratio de gain pour la sélection des caractéristiques.


0 0 0 12 100%
44
0 0 0 48 100%
0.0% 0.0% 0.0% 21.8% 0.0% 0.0% 0.0% 0.0% 22.0% 0.0%

100% 100% 100% 100% 100% 100% 100% 100% 100% 100%
0.0% 0.0% 0.0% 0.0% 0.0%
B. Gain d'information 0.0% 0.0% 0.0% 0.0% 0.0%

Le diagramme à barres résultant de l'application de la


méthode du ratio de gain d'information pour la sélection des Classe cible
1234

caractéristiques est présenté à la figure 13. Il est évident que 1234


Classe cible
que les caractéristiques de la pression cylindre dans le Figure 14. Matrice de confusion du modèle de réseau neuronal artificiel.
domaine temporel, à l'exception du facteur de crête, sont à
nouveau meilleures que les autres caractéristiques en termes
de distinction de toutes les conditions. En outre, le rapport
d'énergie des ondelettes
aux niveaux 1 et 2, l'amplitude de crête dans la gamme de 1
Formation
ROC 1
Validation ROC

fréquences 10300~10900Hz, et les valeurs RMS et P2P du


signal de vibration dans le domaine temporel sont également 0.8 Classe 1
Classe 2
0.8

utiles pour la classification.


Taux de vrais positifs

Taux de vrais positifs

Classe 3
0.6 Classe 4 0.6

En somme, en considérant les deux méthodes, les 0.4 0.4


caractéristiques sélectionnées comprennent celles présentées
dans le tableau II.
Taux de faux positifs
VII. RÉSULTAT DU CLASSEMENT 0.2

La capacité des caractéristiques sélectionnées à 0


diagnostiquer les défauts des moteurs diesel doit être validée
par un algorithme de classification. Dans ce cas, l'algorithme 00.20.40.60.81
Taux de faux positifs
de réseau neuronal artificiel, simple mais efficace et largement
utilisé dans la boîte à outils MATLAB, est adopté pour la Test ROC
classification. L'entrée de l'algorithme est constituée des 1

caractéristiques sélectionnées, et la sortie est constituée des 0.8


quatre classes correspondant à chacun des quatre états de santé
Taux de vrais positifs

du moteur diesel. Ici, 0.6

 La classe 1 représente la condition normale, 0.4

 La classe 2 est une combustion instable, 0.2

 La classe 3 est la condition de fuite de la valve, et 0

 La classe 4 indique la désactivation des cylindres. 00.20.40.60.81


1
0.2
0.2
0.8
0

Taux de vrais positifs


00.20.40.60.81 0
Taux de faux positifs 0.6 00.20.40.60.81
Taux de faux positifs

Tous les ROC 0.4

60 % des échantillons ont été utilisés pour la formation, Figure 15. Courbe caractéristique de récepteur-opérateur pour le modèle de
puis 15 % pour la validation et le reste pour le test. La matrice réseau neuronal artificiel.
de confusion de formation, de validation et de test ainsi que la
courbe ROC (receiver-operating-characteristic) du modèle de La matrice de confusion montre un taux de classification à
réseau neuronal sont présentées dans les figures 14 et 15. zéro erreur pour tous les résultats de formation, de validation
et de test. Le modèle est capable d'identifier chaque état de
TABLEAU II CARACTÉRISTIQUES SÉLECTIONNÉES POUR LA santé en fonction des caractéristiques du segment de
CLASSIFICATION DES DÉFAUTS combustion, sans fausses alarmes. Pour la courbe ROC,
Pression du cylindre Vibration comme nous le savons, plus la courbe est proche de la
RMS P2P Kurtosis WaveD1 WaveD2 10300~10900 frontière gauche et supérieure, plus le résultat de la
classification est précis. Comme on peut l'observer dans la
figure résultante, le résultat du test correspond à la matrice de
confusion avec un taux de classification de 100 %, sans
aucune erreur de classification.
cas. Les caractéristiques sélectionnées et le modèle de réseau [3] A. K. Sood, C. B. Friedlander, et A. A. Fahs, "Engine fault analysis :
neuronal artificiel se révèlent donc efficaces pour le diagnostic Part i-statistical methods," Industrial Electronics, IEEE Transactions on,
des défauts individuels des cylindres. pp. 294-300, 1985.
[4] M. Desbazeille, R. Randall, F. Guillet, M. El Badaoui, et C. Hoisnard,
Les données du même état de santé ont été collectées à "Model-based diagnosis of large diesel engines based on angular speed
partir de la même expérience. Et les échantillons de variations of the crankshaft," Mechanical Systems and Signal
caractéristiques de formation et de test sont basés sur des Processing, vol. 24, pp. 1529-1541, 2010.
segments mais proviennent de la même expérience sur la [5] M. Desbazeille, R. Randall, F. Guillet, M. Badaoui, et C. Hoisnard,
"Identification of the crankshaft torsional properties of a large diesel
même machine. Cela pourrait expliquer pourquoi la engine from a single point measurement of angular speed," in The Third
classification a un taux d'erreur nul. D'autres tests sont International Conference on Integrity, Reliability and Failure, Porto,
nécessaires pour l'approche développée afin de valider la Portugal, 2009.
cohérence et l'efficacité des caractéristiques. [6] D. Siegel et J. Lee, " Advanced diesel engine health monitoring
algorithms for ground vehicles ", dans Proceedings of the 66th meeting
of the society for machinery failure prevention technology, 2012.
VIII. CONCLUSION
[7] M. Geveci, A. W. Osburn, et M. A. Franchek, "An investigation of
Cet article met en évidence l'extraction de caractéristiques crankshaft oscillations for cylinder health diagnostics," Mechanical
pour le diagnostic individuel des défauts de combustion des Systems and Signal Processing, vol. 19, pp. 1107-1134, 2005.
cylindres de moteurs diesel en étudiant une méthode intégrée [8] D. Watzenig, M. Sommer et G. Steiner, "Engine state monitoring and
utilisant les caractéristiques de pression et de vibration des fault diagnosis of large marine diesel engines", e & i Elektrotechnik und
Informationstechnik, vol. 126, pp. 173-179, 2009.
cylindres dans le domaine temporel, le domaine fréquentiel et
[9] M. Lebold, K. McClintic, R. Campbell, C. Byington et K. Maynard,
le domaine temps-fréquence. Le modèle de classification par "Review of vibration analysis methods for gearbox diagnostics and
réseau neuronal artificiel qui en résulte, avec une entrée de prognostics", dans Proceedings of the 54th meeting of the society for
caractéristiques ayant un rang d'analyse discriminante de machinery failure prevention technology, Virginia Beach, VA, 2000, pp.
Fisher plus élevé, s'avère efficace pour diagnostiquer l'état de 623-634.
santé du cylindre du moteur diesel sans fausses alertes. [10] J. Skubis, "Instantaneous root mean square value of the acoustic
emission as a means of measuring partial discharges," in Electrical
À l'avenir, l'approche existante peut être testée en étant Insulation and Dielectric Phenomena, 1989. Annual Report, Conference
mise en œuvre dans un usage pratique, et une analyse plus on, 1989, pp. 125-130.
poussée peut être effectuée dans le domaine des fréquences et [11] R. O. Duda, P. E. Hart, et D. G. Stork, Pattern classification : John Wiley
selon d'autres méthodes temps-fréquence pour explorer les & Sons, 2012.
signatures utiles enfouies dans le signal de vibration. [12] J. R. Quinlan, C4. 5 : programs for machine learning, vol. 1 : Morgan
kaufmann, 1993, pp.20-24.
[13] E. Bechhoefer et M. Kingsley, "A review of time synchronous average
RÉFÉRENCES algorithms", dans Annual Conference of the Prognostics and Health
[1] J. Antoni, "Cyclostationarity by examples", Mechanical Systems and Management Society, 2009.
Signal Processing, vol. 23, pp. 987-1036, 2009.
[2] S. P. Mitchell Lebold, Jeffrey Banks, Jonathon Bednar, Karl Reichard,
Kenneth Fischer et Joseph Stempnik, " Detecting injector deactivation
failure modes in diesel engines using time and order domain approaches
", présenté à la conférence annuelle de la Prognostics and Health
Management Society 2012, 2012.

Vous aimerez peut-être aussi