基于轨迹平行测量的发动机异响诊断方法

为了利用机器的声（异响）信号进行故障识别，提出了一种异响信号的故障诊断思路，首先利用连续小波消噪技术对声信号进行消噪和故障源识别，然后将混沌技术中的轨迹平行测量方法应用于异响信号的非平稳特征提取与识别，提取出时间序列动力学轨道运行特征指标，经过对发动机的故障声信号进行实际应用后，表明该方法具有良好的识别效果，为声音信号的故障诊断提供了一种新的工具。     

电喷发动机教学平台的开发与研究

针对目前汽车专业教学的机遇和挑战,通过软、硬件的设计与开发,研制了一种具有智能故障设置功能、可视化的电喷发动机教学和科研平台。该平台以电喷发动机台架与检测主机为主体,运用微电子技术、计算机技术和人工智能技术,实现了智能故障设置、主要信号的数字与波形显示、信号模拟以及利用故障诊断专家系统引导学生进行故障诊断等功能,能帮助学生更快、更好得掌握电喷发动机的相关知识,对提高汽车专业的教学质量将起到重要作用。     

声发射技术用于诊断发动机活塞与缸套间磨损故障的实验研究

用实验方法研究了诊断发动机磨损故障的AE(AcousticEmission)技术 ,对发动机活塞与缸套间磨损过程产生的声发射信号进行了分析。实验结果表明 ,活塞对缸套的横向撞击 (侧推力 )是产生AE信号的主要原因 ;AE信号时域和频域指标对磨损状态变化反应较敏感 (即使是在发动机的早期磨损阶段 ) ,且不同的磨损状态与其产生的AE信号有很好的对应关系 ,因此 ,AE指标可以作为评价磨损程度和诊断磨损故障的标准。该研究为发动机磨损故障诊断提供了一种新的有效方法 ,并可为往复式机械设备的磨损故障声发射诊断提供依据。     

声发射技术用于诊断发动机活塞与缸套间摩损故障的实验研究

用实验方法研究了诊断发动机磨损故障的AE（Acoustic Emission)技术,对发动机活塞与缸套间磨损过程产生的声发射信号进行了分析,实验结果表明,活塞对缸套的横向撞击（侧推力）是产生AE信号的主要原因;AE信号时域和频域指标对磨损状态变化反应较敏感（即使是在发动机的早期磨损阶段）,具不同的磨损状态与其产生的AE信号有很好的对应关系,因此,AE指标可以作为评价磨损程度和诊断磨损故障的标准。该研究为发动机磨损故障诊断提供了一种新的有效方法,并可为往复式机械设备的磨损故障声发射诊断提供依据。     

基于LabVIEW的汽车发动机故障诊断系统设计

采用虚拟仪器技术模拟了汽车发动机故障诊断系统。在充分理解发动机运行机理的基础上,开发了一套发动机故障诊断系统,该系统形象的模拟出了发动机发生故障时其振动信号噪声信号和温度信号的变化。通过仿真实验验证,对发动机故障信号的模拟采集具有较好效果,采集和报警输出与理论一致。从总体上达到了预期目标。     

基于人工神经网络的矿用汽车发动机故障诊断的理论研究

结合大型矿用汽车发动机的振动信号，利用ＢＰ神经网络对汽车发动机的故障诊断进行了探讨，对网络的结构及其学习参数进行了研究，为对汽车发动机实施故障诊断与在线监测提供了一种有效方法。     

基于PCA与DHMM的发动机故障诊断研究

提出了主元分析方法(PCA)与离散隐马尔可夫模型(DHMM)相结合的发动机故障诊断方法.首先利用PCA进行发动机振动信号的特征提取,设计了基于PCA的振动信号故障特征提取算法;然后采用DHMM进行故障诊断,构建了基于DHMM的故障分类器和诊断数据库,设计了柴油机振动信号的故障诊断策略.实际应用结果显示,该方法是可行的,对柴油机故障的诊断精度,达到了94.17%,具有工程应用价值.     

Matlab在发动机故障诊断中的应用研究

以电控汽油机转速传感器为例,探讨了小波分析技术在发动机故障诊断中的应用。首先采集了转速传感器正常和异常信号,并对采集到的信号进行小波分析,结果表明,利用小波系数可以分析转速信号,判断发动机断缸故障;转速信号的小波分析结果能对比发动机各缸的工作性能。实践证明利用小波分析对电控发动机进行故障诊断是切实可行的。     

多信息融合技术在发动机故障诊断中的应用

本文为了解决发动机喷油器故障诊断中基于单传感器信息的方法诊断精度低的缺点,应用神经网络原理,提出了一种基于气缸压和,缸盖振动信号和燃油压力等多传感器信息融合的喷油器故障诊断新方法,通过提取发动机工作过程故障三种信号的八个特征值,按正常和五种故障状态的构造学习样本文集和检验样本文集,对输入进行归一化处理,该方法能有效地提高其故障诊断精度。     

基于小波包分解-峭度值指标-希尔伯特包络解调融合方法处理声发射信号的滚动轴承故障诊断

为实现对航空发动机主轴承进行故障诊断,以复杂传递路径下声发射信号的波形分析为基础,提出一种基于小波包分解(wavelet packet decomposition, WPD)、峭度值指标(kurtosis index, KI)以及希尔伯特包络解调(Hilbert envelope demodulation, HED)相结合的滚动轴承故障特征信息提取方法。采用WPD方法对滚动轴承声发射信号分解获得节点分量,基于KI对节点分量排序筛选进行信号重构,进而对重构信号进行HED分析,提取出轴承故障特征频率用于对比诊断。开展简单以及复杂传递路径下滚动轴承故障模拟试验,采用建立的方法分别针对滚动轴承外圈、内圈典型故障试验数据进行分析和诊断。结果表明：该方法可有效提取滚动轴承故障特征频率及其倍频,且针对复杂传递路径下处于工作状态的滚动轴承,仍可实现精准的特征信息提取和有效的故障诊断。     

特征提取在工况监测与故障诊断中的应用

随着信息技术和计算机网络技术、虚拟仪器等在企业的普及和应用，基于网络技术的未来企业全球制造化模式的建立，使日趋大型化、复杂化集成化生产设备的远程工况监视，远程故障诊断成为重要的研究课题。生产现场工况信息的自动检测、数据采集和存储是故障诊断系统的基础和起点，而对检测信息进行加工、变换和特征分析，提取敏感的故障征兆是诊断系统实现故障可靠诊断的关键之一。阐述了机械故障诊断的理论方法及特点，分析了信号的特征分析方法——时域分析方法，频域分析方法，联合时—频分析方法等多种信号处理方法的特征分析特点及其在机械工况监到与故障诊断分析过程中的工程应用。简要介绍了工况监测中特殊的时变性随机机械故障信号的分析与处理方法。     

Fault Identification of Rotor Machine Based on Optimized Method

The size and complexity of modern equipment require more advanced fault diagnosis techniques Different from signal analysis based methods, a dynamic model based diagnosis technique can further diagnose the location and severity of the fault, and detect multiple faults at one time. A model based fault diagnosis method was developed to identify typical faults of rotating machinery. This method can identify mass unbalances, crack locations and sizes, and oil film parameters in rotating machinery by optimization methods and dynamics simulation technique. Numerical and experimental results demonstrate that the method is useful for detecting faults of rotating systems.     

基于多方法结合应用的齿轮箱故障特征提取研究

基于振动信号分析的齿轮箱故障诊断的关键是实现对信号中故障特征的提取.由于在工程实际中采集到的齿轮箱振动信号含有较强的噪声干扰,所以单一的信号分析方法难以实现对故障特征的提取.因此将两种或两种以上方法相结合应用于齿轮箱振动信号的处理成为当前的研究趋势.为研究将不同方法相结合应用于齿轮箱故障信号特征提取的优势,对大量文献的研究成果进行了归纳整理.综合分析发现:将多种方法结合应用于齿轮箱振动信号特征提取,可有效避免单一方法的局限性,充分发挥不同方法的优势.总结了在齿轮箱故障诊断领域中分别以频谱分析为基础和以非线性理论为基础的将不同信号处理方法结合应用于齿轮箱故障特征提取的现状,最后针对多种方法结合应用于齿轮箱故障诊断的发展趋势提出了建议.     

机械设备的诊断方法与分类

对机械设备的诊断方法进行了系统而详细的分类.根据设备诊断过程的三个主要阶段,即信息检测、特征提取和状态识别,相应地从诊断所检测的信息种类、故障特征提取方法及状态识别方法三个方面对诊断方法进行了分类.     

数控机床故障诊断与分析

介绍了数控机床出现故障时的诊断和分析方法,包括故障诊断前的准备工作、初步诊断时的信息收集、有报警信号的故障处理及无报警信号的故障处理。     

机器振动诊断中信号处理方法的研究

针对传统的时域和频谱分析不很适合处理非平稳和冲击性机器表面振动信号的问题，研究了小波分析和Choi-Williams时频分布两种先进的信号分析方法在机器振动诊断方面的应用，通过对典型诊断实例的研究表明：对此类信号，用小波分析提取信号中的有用成分或用CChoi-Williams分布分析信号的能量分布，并在此基础上进行机器振动诊断，是两种很有效的分析手段。研究结果为进一步深入开展机器故障的振动诊断奠定了一定的基础。     

非平稳信号分析在断路器故障诊断中的应用

介绍两种非平稳信号的分析建模的算法，即Ｗｉｇｎｅｒ 方法和时域衰减振荡模型方法，并将它们应用在高压断路器的操作振动分析上，从而建立模型、萃取特征参数、辨识结构状态，为断路器操作系统的故障诊断提供有用手段。Ｗｉｇｎｅｒ 算法能获得形象的信号时域及频域特征，而模型参数方法则更适合于定量的判断识别。     

基于复Morlet变换和改进AlexNet神经网络的柴油机气门间隙异常故障诊断方法

针对柴油机缸盖振动信号非线性、非平稳的特点,以及传统故障诊断方法需要先验知识且特征提取费时费力的缺点,提出了一种基于复Morlet变换和改进AlexNet神经网络的柴油机气门间隙异常故障诊断方法。首先通过复Morlet小波将柴油机缸盖振动信号转换为时频图,该变换包含了信号的时频域信息,比单一的时域或频域信号更适合分析柴油机缸盖振动这种非平稳信号;其次将时频图输入至AlexNet神经网络进行特征自动提取并建立故障诊断模型,解决了传统手工提取特征费时费力且需要专家经验的问题;然后通过Batch Normalization和Dropout技术改进网络结构,并优化神经网络超参数以提高模型的准确度和计算效率;最后将本文方法与传统的故障诊断方法应用于柴油机气门间隙异常故障诊断并进行对比,发现其诊断准确率最高,验证了所提方法的优越性。     

改进盲源信号处理的集成动力装置故障诊断

针对高速集成动力装置中振动信号相互耦合严重而普通方法无法进行有效分离的问题,提出一种改进的盲源信号处理方法.该方法在传统盲源分离方法的基础上,通过故障机理获得的先验知识确定源的数量和频率特征,从而有效地提升故障信号源的分离效果.试验验证结果表明,采用改进的盲源信号处理方法处理后的信号与实际系统的故障特征吻合度很高,该方法能够有效地应用于高速集成动力装置的故障诊断并提高诊断精度.     

柴油机故障诊断技术的现状及展望

柴油机作为一种复杂动力机械,其运行状态监测和故障诊断技术越来越受到人们的关注。在柴油机故障诊断领域,信号处理、故障特征提取及识别方法已初具雏形,但离实用化还有一定距离。笔者分析了柴油机常见故障及影响因素,综述了现代柴油机故障诊断技术中常用的各种基于振动信号的时频分析法、瞬时转速波动法、铁谱及光谱分析法、灰色系统理论诊断法、神经网络诊断法及专家系统诊断法的原理、特点及不足,最后指出了柴油机故障诊断的难点和发展方向。