基于小波包分析的气门间隙异常故障诊断

以DA462型发动机为研究对象,人为地将气门间隙调整到不同状态来模拟发动机气门间隙异常故障,测取正常和异常情况下的缸盖振动信号,对其进行时域分析,并对振动信号中的燃烧激励响应信号和排气门落座冲击信号进行小波包分解,通过计算各个重构子频带振动能量均方根值（特征值）来判断各激励响应信号的频率带,经特征值比较确定气门间隙异常与否,取得满意的诊断结果。     

利用缸盖振动信号诊断气门机构故障

在分析缸盖振动信号时域和频域特征的基础上，详细地研究了气门间隙异常对缸盖振动信号时域和频域特征的影响，并利用时域和频域的变化诊断配气机构的故障，提出了用气门关闭时刻改变定量诊断气门异常间隙的分析方法。     

基于VMD和SVD的柴油机气门间隙异常特征提取研究

为有效地从柴油机缸盖表面振动信号中提取气门间隙故障特征,提出一种基于变分模态分解(VMD)和奇异值分解(SVD)的特征提取新方法。采用VMD算法对缸盖振动信号进行分解,利用所得的模态分量构建特征矩阵;接着应用SVD理论将特征矩阵转变为表征频率特性的奇异值序列,探讨了稳定工况下的奇异值序列与不同气门间隙状态之间的关系;由于转速、负荷等工况的改变对信号特征层的影响与故障所引起的信号特征的改变可能非常相似,因此将奇异值序列作为特征参数,输入到随机森林分类器中,构建分类模型,对柴油机变工况下的气门间隙故障进行诊断。实验结果表明:该方法能有效识别气门间隙故障,突出故障敏感特征;与传统基于Hankel矩阵和小波包系数矩阵的SVD特征提取方法相比,该方法所提特征参数在柴油机变工况条件下具有更高的识别率。     

信息熵和RBF神经网络的发动机故障诊断

针对汽车发动机气门间隙异常故障,探讨了应用小波分解后求各尺度小波系数信息熵,和RBF神经网络对发动机进行不解体故障诊断的方法。由此,对某汽油发动机进行了故障模拟试验,分别在正常工况和三种故障工况下测取了缸盖表面振动信号。对所采集信号进行Stein无偏估计消噪处理,利用小波系数信息熵提取特征向量,进行归一化处理,然后用RBF神经网络对处理后的振动信号进行分类识别。发动机气门间隙故障的诊断实例表明,在不同工况下利用小波系数信息熵提取故障特征向量、进行基于RBF神经网络的故障诊断方法现实可行,对实现发动机不解体故障诊断具有一定的应用价值。     

柴油机缸盖噪声信号处理方法及故障诊断研究

柴油机的缸盖噪声信号含有很多能诊断柴油机故障的有用信息,如燃爆、气门开启和关闭信息.但是提取的缸盖噪声信号中也含有柴油机工作时产生的排气噪声和机体其它部位辐射噪声等干扰信号,且干扰信号与有用信号的频率成分在20kHz以下的频带内重叠在一起.因此如何能有效的提取有用信号十分关键.通过实验选取气门室罩距气门较近一侧的侧表面1CM外作为测点.分析了小波分解、FIR滤波、小波降噪和FIR分频带阈值处理降噪四种方法的优缺点后,发现小波降噪既能保留有用信息,又能有效将不需要的噪声信号去除,在提取缸盖噪声中的有用信息时具有明显的优势.将缸盖噪声信号降噪后发现,各种气门间隙和失火故障均可通过缸盖噪声判断出.     

基于AR模型和神经网络的柴油机故障诊断

基于虚拟仪器技术,采用NI公司PCI-4472采集卡及LabVIEW7．1开发柴油机缸盖振动信号采集分析系统。模拟柴油机气阀漏气、气门间隙异常等故障,并对利用该系统采集的缸盖振动信号样本进行AR谱估计,从中提取5个特征参数,最后利用RBF神经网络进行故障模式识别。结果表明：该诊断方法具有较高的精度,结合LabVIEW与Matlab的平台,便于故障在线监测与诊断系统的开发。     

缸盖振动信号在发动机配气机构状态检测中的应用研究

本文分析了发动机缸盖的振动特性，建立了缸盖系统振动模型，对缸盖振动信号的时域和频域特性进行了分析，提出了反映气门间隙的特征参数，并进行了检测试验验证。     

柴油机缸盖振动信号分形特征研究

针对柴油机振动信号的非线性特征,将小波变换与分形理论结合;由此进行缸盖振动信号的分析及故障特征的提取,进而对柴油机气阀间隙异常故障进行诊断。随后计算信号小波包频带盒维数、小波变换模极大及信号的多重分形谱。结果表明,这种将分形维数和多重分形谱的结构作为系统的衡量指标和故障的表征参数,使诊断结果简单、现实可行。     

分形维数在矿井通风机故障诊断中的应用研究

用分形维数对通风机的振动信号进行了描述,研究表明矿用通风机几种典型故障的振动信号对应有不同的分形维数,由此可对通风机的典型故障进行识别;将小波除噪理论与分形相结合应用于矿用通风机故障诊断,通过对通风机振动信号去噪前后分形维数的研究发现噪声对振动信号分形维数影响较大,通风机振动信号经小波降噪处理后,有效减小了噪声对信号的影响,利用除噪后振动信号的分形维数准确地诊断出了通风机存在的故障.     

基于数学形态学的分形维数计算及在轴承故障诊断中的应用

滚动轴承故障信号是一种典型的非线性信号,分形几何为描述轴承故障信号的特性提供了一个有力的分析工具。基于数学形态学的分形维数是在Minkowski-Boulingand维数基础上拓展的一种采用形态学操作计算分形维数的新方法。本文较详细的阐述了基于数学形态学的分维数计算方法,对比分析了与传统计盒维数方法的区别与联系,并对实际的滚动轴承正常、滚动体故障、内圈故障和外圈故障信号进行了分析,结果表明,基于数学形态学的分维数计算方法具有计算速度快,估计准确稳定的特点,为准确判断滚动轴承故障状态提供了一种快速有效的新方法。     

基于EMD分形技术提取变速器轴承故障特征

故障轴承振动信号具有分形特征,可以利用分形维数有效识别变速器轴承的故障模式.噪声的存在对分形维数的计算结果影响较大,为此采用经验模态分解（EMD）方法,对变速器轴承振动信号进行EMD分解,计算分解后的IMF分量的分形维数,提取出变速器轴承不同技术状态下的故障特征。对实测变速器轴承振动信号分析,结果表明：EMD能对不同频带信号进行有效分离;特定IMF分量的分形维数能敏感反应变速器轴承技术状态,可以作为变速器轴承故障诊断的特征参数;EMD与分形维数相结合是提取变速器轴承故障特征的一种有效方法。     

基于分形的航天故障诊断

本文提出了一种基于分形的航天器的故障检测新方法。由于故障发生时系统表现异常,这此异常可导致测量信号发形维数的变化,根据这些变化可进行故障检测。基于分形的故障检测方法可以实现实时的检测系统的状态,包括系统的动态量以及静态量参数。该方法还能将测量信号的分析处理和故障的定位很好地结合起来。     

形态学广义分形维数在发动机故障诊断中的应用

发动机故障信号是一种典型的非线性信号,分形几何理论为描述非线性故障信号的特性提供了一个有力的分析工具。广义分形维数能够很好的描述信号的几何特征和局部尺度行为,所蕴含的信息比单一的分形维数要深刻而全面。针对传统的广义分形维数计算方法的缺陷,本文提出基于数学形态学操作的广义分形维数计算方法,并对发动机正常、失火和气门间隙过大故障信号进行了分析,结果表明,与传统的盒计数法计算的广义分形维数相比,形态学广义分形维数能够更加有效地区分发动机在不同状态下的信号,并且数学形态学只涉及简单的加减和取大、取小运算,因此计算简单快速,为准确判断发动机故障状态提供了一种快速有效的新方法。     

四分位偏差分形维及其在齿轮故障识别中的应用

介绍了用于非平稳、非线性信号的四分位偏差分形维算法，并通过仿真实例验证了此计算方法的准确性。针对齿轮振动信号的非平稳、非高斯、非线性特点，将四分位偏差分形维用于齿轮故障分类，结果表明此方法能很好地区分齿轮故障模式。以四分位偏差与相应的截距为特征量进行聚类，能更好地区分齿轮的各种故障模式。可将其用于在线故障识别。     

基于局部特征尺度分解和形态学分形维数的滚动轴承故障诊断方法

提出了一种基于局部特征尺度分解与形态学分形维数的滚动轴承故障诊断方法。首先采用局部特征尺度分解方法将机械故障信号分解为若干个内禀尺度分量,然后利用形态学分形维数计算包含故障特征分量的分形维数,将得到的分形维数作为特征量判别信号故障的状态,实验结果表明基于局部特征尺度分解与形态学分形维数的故障诊断方法能够有效识别滚动轴承的内圈故障、外圈故障、滚动体故障和正常状态,实现滚动轴承故障诊断。     

利用关联维数分析机械系统故障信号

根据机械系统运行中测量到的信号的处理，进行系统特征识别。针对非线性系统的特点，区别于以往对线性系统使用的时域，频域定性分析法，用分形维数定量刻画机械系统运行状态。使用分形维数中能直接反映转子系统运行特点的关联维数来获得转子运行故障以及故障发展程度的定量描述。本文采用的高效关联维数算法，提高了计算速度和描述转子系统故障的精度。     

基于局部均值分解与形态学分形维数的滚动轴承故障诊断方法

针对滚动轴承振动信号通常具有非线性与低信噪比特点,提出基于局部均值分解（Local Mean Decomposition,LMD）与形态学分形维数的滚动轴承故障诊断方法。采用LMD将滚动轴承振动信号分解为若干个乘积函数（Product Function,PF）分量,计算包含有滚动轴承故障特征的PF分量形态学分形维数,并将其用作特征量判断滚动轴承工作状态及故障类型。实验分析结果表明,该方法能有效用于滚动轴承的故障诊断。     

分形与几何特征融合的转子故障特征提取方法

转子系统故障信号是典型的非线性、非平稳信号,分形几何为描述转子系统故障信号的特性提供了一个分析工具,但仅仅依靠分形维数无法有效的提取转子系统的故障特征。本文引入紧密度和丰度两个量,与基于的分形维数一起,对转子系统故障信号进行分析;最后采用神经网络技术对转子系统的正常、不对中、不平衡、碰磨、松动五种不同的运行状态进行分类识别。实验结果表明,通过对分形维数和紧密度、丰度的联合可较好地评定和区分转子系统的运行状态。     

基于分形理论的自动舵液压阀故障诊断方法研究

针对自动舵液压阀工作过程中存在的非线性问题,提出一种以阀芯位移信号分形特征为判据的故障诊断方法,并研究了分形特征参数——关联维数的计算方法和参数的选择。在建立液压阀数学模型的基础上,对液压阀正常和故障进行仿真,通过确定时间延迟、嵌入维数和无标度区,计算阀芯位移数据的关联维数。结果表明:不同状态的关联维数值具有明显的可分性,可以定量表征液压阀的工作状态,进而达到装备故障诊断的目的。