摘 要：失火故障诊断是汽车车载诊断系统（On-boarddiagnostic，OBD）的重要组成部分，其直接关系到车辆行驶过程中的排放、燃油消耗和发动机损伤。
关键词：汽车发动机 失火故障 诊断方法
一、失火故障判别依据
1、气缸外部因素
1.1曲轴由瞬时角速度
气缸每一次点火成功，发动机即会获得动力输入，进而引起发动机速度波动如果忽略惯性扭矩、负载扭矩、摩擦扭矩和泵吸扭矩等因素，则发动机曲轴角速度的波动与燃烧动力产生的波形将是直接相关的因此研究曲轴角速度的变化规律，即可提供一种失火检测的方法。
由于曲轴角速度容易测量，所以曲轴瞬时角速度是目前应用最广泛的一种失火判别依据然而，需要注意的是，曲轴瞬时角速度在发动机高速和轻载运行时，测量误差较大，导致失火诊断精度不高，并且容易受外界干扰和摩擦的影响，如曲轴速度传感器误差、曲轴旋转振荡、速度变化和负荷变化以及路况等影响，因此对角速度进行预处理十分重要针对曲轴角速度中包含大量噪声的问题，对曲轴角速度进行信号调制和阶次分析，提高了失火诊断精度针对曲轴角速度的不稳定问题，对其进行归一化处理，提高了发动机失火检测性能为了提高曲轴角速度检测方法的精度，一方茵，从信号变换的角度，例如利用傅里叶变换、小波分析、时频分析以及主成分分析等方法可对曲轴速度进行处理，提取失火诊断的有用成分，减少运算量，提高诊断精度；另一方茵，从残差生成的角度，利用卡尔曼滤波器等可对含噪声的曲轴角速度进行重构，实现状态观测器设计，完成对目标参数的估计此外，滑模跟踪控制器和神经网络可实现失火检测、定位与严重性判断等。
1.2曲车由瞬时角加速度
研究发现，相比于曲轴瞬时角速度，曲轴瞬时角加速度用于发动机失火故障诊断效果更好。根据牛顿第二定律，旋转体的角加速度与恰好起作用的力偶成正比，每缸在一定的点火顺序下进行点火，曲轴间断性地获得能量和角加速度，且失火时曲轴角加速度将出现更大的峰值以便识别，因此曲轴瞬时角加速度比曲轴角速度更能直接反映发动机的实际工作运行状态。
曲轴角加速度在正常状态和失火状态下，其波形具有一定的规律性，失火诊断可通过观测波形变化实现失火诊断由于角加速度中包含着失火的瞬时信息，通过合适的特征提取方法可得到理想的失火信号。在自相关和三重相关算法的基础上，提出一种多重相关算法用于失火瞬时信息的频域提取，可实现失火故障实时监测也有文献利用希尔伯特变换对加速度进行处理，将得到的相位调制信号进行分析，用以失火故障检测，可有效剔除信号中的噪声，提高诊断精度而针对曲轴转速的瞬态变化规律，引入曲轴转速段加速度的概念该方法能更实时、精确地完成内燃机失火故障诊断通过发动机硬件平台搭建，曲轴角加速度信号可利用加速度传感器进行采集但在实际发动机中，曲轴角加速度传感器并不存在，导致该方法的实际应用受到一定程度影响针对此问题，一种常见的解决方法是将曲轴角速度作为输入，利用观测器对曲轴角加速度进行估计。
2、气缸内部因素
2.1 离子电流信号
发动机气缸内的燃油混合物燃烧过程中产生了大量的电离信号，燃烧室的电离信号提供了关于燃烧质量的相关信息测量的离子电流可估计燃烧过程中的许多参数，包括燃烧室压力、燃烧起始空燃比、燃油混合物等，当离子电流信号特别微弱时，便暗示着气缸可能失火对于SI（Sparkignition）发动机，火花塞便可用作离子电流测量的探头，在火花点火完成后进行测量，但需保证火花塞电极的电压达到150V，正确区分电流信号点火、火焰燃烧以及火焰消失后的3个相位，并对迟滞的电流信号进行处理，提取出失火的特征信息此方法新颖，且拥有很好的前景，近几年年研究热度有所上升。进行了HCCI发动机闭环燃烧控制试验，通过分析正常燃烧、部分失火及完全失火烹种状态的离子电流信号特征，离子信号幅值或积分值可实现失火判别，并将其作为反馈信息用于失火循环内补火燃烧控制，即在失火循环内通过火花塞补火实现}缸内混合气后燃，有助于引燃混合气，降低碳氢排放进一步分析了正常燃烧、部分燃烧、失火和补火燃烧4种状态的离子电流信号特征，计算出冷启动工况下离子电流信号的失火门限值为0.4V，并给出了不同工况下门限值的计算方法，实现了可靠的失火检测功能。对离子电流信号的功能进行了推广，通过在气缸垫内对称布置8个离子电流测量电极，采集了发动机正常燃烧、爆震和失火时气缸内的离子电流信号，进而给出了爆震和失火的诊断依据，由此测得的离子电流能够有效地避免点火信号的干扰，有助于获取发动机气缸内多个位置的燃烧信息
2.2光学信号
发动机燃烧室燃烧过程信息可通过光学的方法获取该方法本质上是一种视觉可见的方法，通常需要记录或评估可见光和热辐射范围内的电磁辐射，可直接对燃烧室内的燃料混合物情况、电荷运动情况、燃烧过程（点火、火焰扩散）等进行观测，利用透镜的傅里叶变换效应处理获得的光学图像信息会是不错的选择。立体摄影术和视频内窥镜方法，可实现对燃烧过程信息的获取，可用于失火故障的诊断该方法主要用于实验性研究，并且实现过程简单。提出了一种探测燃烧过程的高速光学红外技术，利用缸内光纤传感器研究了SI发动机起动初始段瞬态过程的燃烧与排放特性。
二、失火故障诊断方法分类
1、基于数据的失火故障诊断方法
1.1失火故障数据预处理
研究发现，信号处理与特征参数提取是基于数据的失火故障诊断方法实现的關键，它将有助于提高失火故障诊断的精度和诊断算法的收敛速度故障数据处理过程。信号处理有助于进一步提高网络响应的速度自适应多尺度形态梯度算法是信号处理的一种有效方法，综合利用小尺度下能保留信号细竹（如冲击特征信息）和大尺度下抑制噪声能力强的优点，能够在强噪声背景下有效地提取振动信号中能够反映发动机工作状态的有用分量。基于此采用非负矩阵分解的特征提取方法对信号进行压缩，计算用于发动机故障诊断的特征参量与传统的信号处理与特征参量提取方法相比，该方法具有更高的分类精度，为准确判断发动机故障状态提供了一种行之有效的新方法。
1.2结合神经网络的失火故障诊断
结合神经网络方法进行发动机失火故障诊断是目前应用最广泛的方法之一。神经网络对高压共轨式电控柴油机故障进行诊断，结合动量自适应学习率算法实现了对神经网络权值的自适应设计，有效缩短了网络训练的时间鉴于RBF（Radialbasisfunction）网络响应比BP网络更迅速，收敛更快的特点，运用RBF网络实现；对电喷发动机故障的诊断。针对Elman网络增加隐层或系统阶次学习效率低、精度不高等问题，进一步提出改进型Elman网络，用于实现发动机点火故障的诊断，获得了较高的诊断精度。提出了增量式学习神经网络，相比于BP神经网络，它具有在线增量式学习能力，且不遗忘系统己有的专家知识，失火检测能力更好，可实现离线和在线失火故障诊断进一步地，提出了一种应用神经网络的先进自动失火诊断系统，该系统包含3个步骤：故障诊断、故障定位和故障严重程度识别特别是在故障严重程度识别中，针对不同的发动机转速情形，设计了饱和线性传递函数的独立多层感知器网络，可得到较好的分类效果但针对神经网络的失火故障诊断方法整体设计过程较为复杂，且计算复杂度较高，不利于在线失火故障诊断。
结束语
总之，因此进一步完善全工况范围内的失火故障诊断方法，应将失火故障诊断方法研究推广至发动机怠速工况。
参考文献
[1]满朝，吴筱敏，高忠权，孟祥文，黄佐华，娄玉峰.不同位置电极附近温度与焰后区离子电流的关系[J].内燃机学报，2011（03）：260-264.
[2]高忠权，吴筱敏，向往，宋轶明，皮敏，黄佐华.电极结构对离子电流影响的试验研究[J].内燃机学报，2008（04）：364-368.