基于小波包与神经网络的柴油机故障诊断

针对柴油机缸盖振动信号的非平稳时变特点，提出应用小波包能量法提取故障特征向量，并将提取的特征向量作为BP神经网络的输入向量进行学习训练。训练后的神经网络可以利用测量的振动信号判断柴油机的气阀机构故障状况。实践证明该方法在柴油机振动诊断中是有效可行的，对其他设备的故障诊断也具有借鉴意义。     

基于小波理论变换和神经网络的柴油机故障诊断方法的研究

提出一种基于小波理论和神经网络技术的柴油机振动诊断方法,首先对柴油机的振动信号进行小波分析,提取相应特征向量,然后将振动样本的特征向量作为RBF神经网络的输入参数,以故障类别作为输出参数训练该网络。训练后的神经网络可以利用测量的振动信号来判断柴油机的故障状况。试验及仿真证明该方法在柴油机振动诊断中是有效可行的,对其它复杂机械的振动诊断同样具有参考价值。     

基于小波包分析和神经网络柴油机故障诊断研究

对于柴油机而言,及时的对其实施故障诊断是十分必要的.小波包分析能有效的对柴油机缸体振动信号进行消噪处理,并提取表征柴油机故障的振动信号能量特征向量作为BP神经网络的输入值.本文中,对4100QB柴油机缸盖振动信号实验数据采用单隐层BP网络进行训练,并对不同故障模式进行分类识别,实验验证表明这一方法是非常有效的.     

基于小波包和BP神经网络的柴油机故障分析

随着人们对柴油机动力性、经济性要求的不断提高,现代柴油机结构日趋复杂,对其故障诊断要求也越来越高。本文通过WP7柴油机台架试验,模拟供油提前角、供油量、气门间隙以及喷油压力异常四种故障,采集振动信号,利用小波包技术对各种故障振动信号特征参数变化规律进行了分析,比较了各频率对故障信息敏感度的影响,进而利用MATLAB建立BP神经网络,对提取的信号特征进行训练与测试,并进行验证,实现了对柴油机的故障诊断。     

融合技术在柴油机故障诊断中的应用

导致柴油机同一故障的各相关检测信号使其融合,应用在神经网络故障识别系统中,可以快速、准确地诊断柴油机故障.本文主要融合气缸振动信号、喷油信号及水温信号,设计了通过提取信号特征值,应用神经网络识别系统诊断柴油机功率下降故障的方法.信号特征值分别按各自信号的特点提取,其中气缸振动信号以振动信号的各子带功率谱为特征,即在频域中选取特征;喷油信号以信号波形形状识别为特征,即在时域中选取特征;水温信号因其为慢速变化信号,取不同阶段的水温信号为特征.     

基于小波分析的柴油机瞬时转速信号研究

提出一种新的柴油机瞬时转速信号的故障特征的提取方法,柴油机瞬时转速信号经过小波降噪处理,有效地剔除柴油机瞬时转速信号的噪声干扰,提高信号的信噪比。提取单缸作功冲程峰谷值差值作为特征值,通过时域曲线和特征值变化曲线可以明显看出单缸断油的故障,建立起能量到柴油机故障的映射关系,最后利用BP神经网络训练可以得到很好的效果。     

基于小波改进阈值消噪的缸盖振动信号分析

提出了一种改进的小波阈值新方法对内燃机缸盖振动信号进行消噪,进而实现特征向量的提取。试验表明采用改进小波阈值方法能有效地消除信号中噪声的干扰,提高信号的信噪比。用小波包提取消噪后信号的能量作为特征向量,来表征内燃机故障特征,可为神经网络的自适应故障诊断提供新的故障样本。     

融合技术在柴油机故障诊断中的应用

导致柴油机同一故障的各相关检测信号使其融合，应用在神经网络故障识别系统中，可以快速，准确地诊断柴油机.主主要融合气缸振动信号，喷油信号及水温信号，设计了通过撮以信号持征值，应用神经网络识别系统诊断柴油机功率下降故障的方法。信号特征值分别按各自信号的特点提取，其中气缸振动信号以振动信号的各子带功率谱为特征，即在频域中选取特征；喷油信号以信号波形形状识别为特征，即在时域中选取特下；水温信号因其为慢速变化信号，取不同阶段的水温信号为特征。     

基于改进弹性BP算法神经网络转子故障诊断

为精确诊断转子故障,以转子故障模拟实验台的实测数据为研究对象,采用基于小波包能量特征向量提取的信号特征值作为网络的学习样本,采用改进弹性BP算法训练网络研究转子的振动状态。为神经网络在转子故障诊断领域更深入广泛的应用提供可参考的思路和方法。     

基于小波分析的柴油机故障信号特征的提取

本文提出了一种新的柴油机表面振动信号的故障特征的提取方法，利用柴油机表面振动信号经过小波降噪处理，有效地剔除柴油机表面振动信号的噪声干扰，提高信号的信噪比。用小波包提取降噪后振动信号的能量特征参数。以表征柴油机故障特征，建立起能量到柴油机故障的映射关系。实际研究表明这一特征提取方法是有效的。     

基于EEMD和LSSVM的船用柴油机故障诊断

针对船用柴油机故障诊断时振动信号的非平稳特性和难以获取大量样本的实际情况,提出一种总体经验模态分解EEMD和最小二乘支持向量机LSSVM相结合的诊断方法。运用EEMD方法对特定时段的振动信号进行分析,计算各内禀模态函数IMF,并求其包含时间信息的能量熵,以之作为特征向量输入到LSSVM分类器来判断柴油机的故障类型。经实例验证,该方法能在保持信号完整性的前提下有效提取故障特征,在小样本情况下具有较高的诊断精度、较快的诊断速度和较强的泛化能力,能有效应用于同类型机械的故障诊断。     

基于粗糙集和神经网络的柴油机故障诊断

介绍了粗糙集理论的核心内容和ROSETTA软件的特点,给出了基于粗糙集理论的柴油机缸盖振动信号的故障诊断系统。以某型号大功率柴油机为例,首先将提取的缸盖振动信号经过小波包消噪和时域、频域分析,构造出用于故障诊断的特征值,然后应用ROSETTA软件约简特征属性,最后通过神经网络进行故障模式分类。通过对比ROSETTA软件处理前后神经网络的输出结果,表明粗糙集理论能优化特征属性,有效地减少神经网络的输入节点数,提高故障分类的准确率。     

高速柴油机气阀组件振动监测诊断技术试验研究

介绍了利用气缸盖表面振动信号对高速柴油机气阀组件等故障进行的振动监测诊断试验研究。分析了引起缸盖振动的激励源特征;对单缸熄火和气阀组件等故障进行了模拟试验;对不同故障状态的气缸盖表面振动信号进行了测量分析,提取用于故障诊断的特征参数,建立了不同类型及不同程度故障与特征参数间的相互关系。     

基于Dempster-Shafer证据理论的柴油机故障诊断

在简述多传感器信息决策层融合暨Ｄｅｍｐｅｒ－Ｓｈａｆｅｒ证据理论的基础上,研究了决策层信息融合的实现方法和算法,利用柴油机表面振动信号与高压油路压力信号所提供的特征信息进行融合处理,使用决策规则对柴油机供油系统工作过程多种故障进行了诊断识别。通过分析、比较基于融合信息进行诊断识别的结果与单传感器信息诊断识别的结果,说明了多传感器信息融合的诊断识别方法具有良好的稳定性、精确性和容错性,能够有效地提高     

基于AR模型和K-L信息量的柴油机气阀机构故障诊断

通过模拟气阀机构的两种常见故障:气阀漏气和气阀间隙异常,采集柴油机缸盖表面的振动信号.提出了柴油机气阀机构的状态监测及故障诊断策略,采用FPE准则和Burg算法建立不同状态时振动信号的AR模型,利用K-L信息量对不同工作状态进行了有效识别.诊断结果表明该方法是可行的,便于实现柴油机气阀机构故障的在线实时监测与诊断.     

基于EMD与SVM的柴油机故障诊断

对柴油机气阀间隙变化、断油等故障情况下的缸盖振动信号进行了测试分析.采用经验模式分解EMD方法对振动信号进行分解,得到固有模态函数IMF,对每一个IMF分量分别建立AR模型,以模型的自回归参数和残差的方差作为特征向量,用支持向量机SVM进行分类,判断柴油机的工作状态和故障类型.实验结果分析表明,该方法即使在小样本情况下也能准确有效地诊断柴油机故障,能实现故障的实时自动化诊断.     

柴油机磨损故障振动诊断机理的研究

本稳分析了现有振动方法在柴油机故障诊断研究和实际应用方面存在的问题，提出了基于振动产生和传播机理的诊断研究方法，介绍了基于这种方法的活塞－缸套磨损和滑动主轴承磨损故障振动诊断机理的理论分析和试验研究结果，提出了一种新的振动诊断法。     

基于经验模态分解方法的柴油机振动信号去噪声处理

针对柴油机振动信号的瞬时非线性特点,提出采用柴油机振动信号的本征模函数(IMF)分量进行特征频带识别的新方法。将柴油机振动信号经经验模态分解,并去掉主要干扰因素所对应的IMF分量,再将剩余IMF分量进行重构得到柴油机振动信号。实际测试结果表明,重构后的信号能反映柴油机机身振动的真实趋势。     

基于连续小波变换系数的柴油机异响故障特征提取与诊断

用Morlet小波对EQ6BT柴油机活塞敲缸响、活塞销响的缸体振动信号进行连续小波变换，然后将所得到的小波变换系数作出尺度—能量谱以及三维能量谱图，从而实现了对柴油机异响故障的特征提取和诊断。结果表明：利用Morlet连续小波变换系数的尺度—能量谱和三维能量谱图，能够直观而有效地检测和区分EQ6BT柴油机活塞敲缸响、活塞销响两种故障及其故障的严重程度。