内燃机缸内燃烧过程的优劣决定了内燃机的动力性、经济型以及排放性的高低,对内燃机缸内燃烧过程进行实时监测与反馈控制,有助于提高内燃机的动力性与经济型,降低排放性。内燃机缸内燃烧过程监测和反馈控制算法所需的信息可以通过示功图分析获取,示功图通常利用缸内压力传感器测取,但此直接测试方式需要对内燃机进行加工以安装传感器,且受传感器成本高、测试环境恶劣等因素的限制,因此在实际应用中受到一定限制。内燃机表面振动信号包含丰富的与缸内燃烧过程及各个运动件运行状态相关的信息,振动传感器价格相对便宜且安装方便,具有较大的潜力用于内燃机运行状态的不解体监测。可见,利用振动信号获取缸内燃烧过程信息的研究,对实现内燃机燃烧状态在线监测及燃烧过程闭环控制具有重要的理论意义和实用价值。为更深入分析内燃机表面振动信号中燃烧激励振动响应信号的失真情况,揭示各激励源作用下缸盖表面振动响应信号之间的耦合关系,获取高信噪比的燃烧激励振动响应信号,并据此提取燃烧过程特征参数,本课题以激励源相对简单的单缸柴油机为研究对象,采用模拟计算及试验研究相结合的方法,分析了内燃机表面振动信号中燃烧激励振动响应信号失真频带范围,确定了缸盖表面振动信号的主要激励源,揭示了各激励源作用下缸盖表面振动响应信号之间的耦合关系,获取了高信噪比的燃烧激励振动响应信号,并据此提取了燃烧过程特征参数。论文完成的主要研究工作如下:建立了试验用单缸柴油机的虚拟样机模型和有限元模型,利用力锤试验对建立的模型进行了验证;基于建立的单缸机虚拟样机模型,利用仿真得到的燃烧激励振动响应信号分析了内燃机支撑刚度的变化对燃烧过程特征参数识别结果的影响;基于建立的单缸机有限元模型,仿真得到了系统的传递特性,讨论了缸盖表面振动响应信号的失真频带范围,分析了机体弹性模量的变化对失真频带范围的影响,基于仿真得到的燃烧激励振动响应信号分析了机体弹性模量的变化对燃烧过程特征参数识别结果的影响。结果指出,内燃机支撑刚度变化时,基于振动响应信号识别的燃烧过程特征参数与基于缸内压力和压力升高率信号识别的燃烧过程特征参数的变化趋势一致;与幅值相关的燃烧过程特征参数相比,相位相关的燃烧过程特征参数的波动受刚度变化的影响相对较小。不同弹性模量时系统振动响应信号不失真的最大频带范围约为0～275Hz,此频带范围的上限值随机体弹性模量的增加而增加;机体弹性模量改变时,基于振动响应识别的燃烧过程特征参数与基于缸压等识别的燃烧过程特征参数的变化趋势一致;燃烧过程特征参数的幅值和滞后相位随弹性模量的增加而减小。基于单缸柴油机有限元模型,仿真计算了不同测点处扫频激励下的振动响应,利用得到的系统传递特性,分析了不同测点位置振动响应信号的失真情况及不同测点处缸压激励振动响应信号得到的燃烧过程特征参数之间的差异;建立了单缸柴油机一维热力学仿真模型,计算了不同工况、不同燃烧始点等燃烧模型参数时的缸内压力信号,分析了其频谱特性及不同频率成分的失真情况,讨论了低通滤波对燃烧过程特征参数表征结果的影响;将仿真得到的缸压信号施加在有限元模型上,计算了不同工况时的缸盖表面振动响应信号,讨论了各个振动响应信号的失真情况,分析了不同滤波技术对燃烧过程特征参数识别结果的影响。结果指出,缸盖表面振动响应信号的不失真频率范围为0～250 Hz;振动位移响应信号在250～450 Hz范围失真严重,振动速度响应信号在250～450 Hz和1250～2500 Hz的频带范围失真严重,而振动加速度响应信号在1000Hz以上的频带范围失真严重;测点位置的变动主要影响幅值相关燃烧过程特征参数的识别。由缸内压力信号的傅里叶级数分析可知,不失真频带范围内的重构缸内压力和压力升高率仅能反映原始缸内压力和压力升高率的基本形状,不能有效反映如燃烧过程特征参数在内的细节信息。燃烧激励振动响应信号至少需要前140阶谐波对应的频带范围内的成分来保证其完整性和有效性,基于此频带范围重构的振动速度信号识别的幅值相关的燃烧过程特征参数的最大偏差约为1.1%,相位相关的燃烧过程特征参数的最大偏差为0.4℃A;利用带通滤波器提取的局部燃烧激励振动响应信号虽然存在失真,但由于此频带范围时的信噪比较高,也可用于燃烧过程参数的识别。对试验用单缸柴油机进行了受力分析,计算了主要的非燃烧激励信号,并分析了其时频特征。基于台架试验结果,分析了不同工况缸盖表面振动信号的时频特点。结合前文建立的虚拟样机仿真模型,确定了内燃机表面振动信号的主要激励源。通过对各激励源振动响应信号的时频分析,揭示了试验用柴油机缸盖表面振动响应信号之间的耦合关系。结果指出,实测振动速度信号中包含幅值较大的低频成分,并且此低频成分的相位随转速的变化而不同。仿真分析表明,此低频成分主要由往复惯性力和摩擦力引起,前者起主要作用。摩擦力激励响应信号在活塞上行和下行阶段呈现不同的波动特征。往复惯性力激励和摩擦力激励有规律可循,且300℃A之前的振动速度信号主要由这两个激励的响应信号构成,建议对其进行建模,基于一定算法识别出模型参数,进而预估并去除其对燃烧激励响应信号的影响。仿真和试验分析表明,缸盖表面振动加速度信号的激励源主要是缸内压力和往复惯性力;二者振动响应信号的频带存在重叠,重叠部分的能量取决于内燃机的工况。基于缸盖表面振动信号之间的耦合关系,对基于相干性分析的滤波算法提取的燃烧激励振动响应的有效性进行了讨论;对经验模态分解结果进行分析,指出了所得各个固有模态函数的激励源,针对经验模态分解算法存在模态混叠的不足,对其进行了修正;基于集合经验模态分解算法及缸盖表面振动速度信号对燃烧始点和CA50进行了识别。结果指出,内燃机机型和缸内燃烧状态会影响非燃烧激励响应与燃烧激励响应的频带分布,进而影响基于相干性分析的带通滤波技术的截止频率选择,使提取的振动加速度曲线上的特征点与燃烧过程特征参数的对应关系出现偏差。经验模态分解得到的燃烧激励响应与非燃烧激励响应信号间存在模态混叠,利用建立的往复惯性力激励响应信号描述模型对燃烧激励响应信号进行修正,使燃烧激励响应曲线上与燃烧始点对应的特征点的滞后角离散度由1.355降低为0.476。实测振动速度信号中的低频成分主要由往复惯性力引起;分布在-30℃A至90℃A范围的高频成分主要由燃烧激励引起;集合经验模态分解算法可以用于燃烧激励振动速度响应信号的提取;提取的第6阶固有模态函数上的特征点与燃烧始点和CA50在不同工况下具有很好的对应关系;基于振动信号识别的燃烧始点和CA50滞后于基于缸压等信息获取的参数,其最大识别偏差分别为1.1℃A和1.4℃A。为了从振动信号中提取燃烧相关的信息,利用Fourier Decomposition Method（FDM）算法对缸盖表面振动信号进行了处理。仿真结果表明,FDM算法可以克服经验模态分解相关方法的不足,如模态混叠等。然后,FDM用于处理实测结果,分解得到了若干Fourier Intrinsic Band Function（FIBF）。提取了与燃烧相关的FIBF并进行了求和处理。基于处理后的振动加速度信号与缸压相关曲线上一些特征点位置的对应关系,提取了一些曲轴转角相关的燃烧过程特征参数（燃烧始点,最大压升率出现位置和峰值压力出现位置）。为了考察循环变动对识别结果的影响,利用90个相继循环的数据对所提方法进行了验证。结果表明,试验工况范围,燃烧始点、最大压升率位置和峰值压力位置识别偏差的最大值分别为0.9℃A、0.7℃A和0.9℃A。基于提取的振动加速度信号识别的燃烧过程特征参数与基于缸内压力信号获取的相关参数具有类似的变化趋势,表明FDM算法可以用于提取燃烧引起的振动响应信号。对缸盖表面振动加速度信号与缸内压力信号进行了小波相干性分析,结果表明,小波相干算法可以从时频域上表现缸内压力信号和缸盖表面振动加速度信号的相干性,优于传统的傅里叶相干性算法;认为在小波锥以上、小波相干系数大于0.75的区域中,曲轴转角范围在约180～540℃A、频率范围在约60～250Hz区域,以及曲轴转角范围在270～400℃A、频率范围在250～3500 Hz区域的振动加速度信号中燃烧激励响应信号的信噪比较高。基于小波相干性分析结果,提出了利用缸内压力与缸盖表面振动加速度信号小波相干性强的区域中振动加速度信号的幅值之和来表征峰值压力的方法,约9 6%的循环的峰值压力最大识别偏差为0.4 MPa。