共查询到10条相似文献,搜索用时 140 毫秒
1.
2.
3.
4.
基于时频谱图与图像分割的柴油机故障诊断 总被引:6,自引:0,他引:6
将图像分割理论引入柴油机故障诊断中,提出一种基于时频谱图、图像分割和模糊模式识别的柴油机故障诊断新方法.首先利用二进小波对柴油机缸盖振动信号进行预处理,然后用时频谱图对柴油机气门机构4种状态下的缸盖表面振动信号进行时频分析,并将谱图结果根据图像分割理论对其等高图进行分割,最后通过选取分割后图像的特征体质心位置、特征体面积、数目和熵作为特征参数,并利用模糊C均值聚类对图像进行分类识别.试验结果表明,新方法提取的振动信号图像几何特征与形状特征参数能充分反映柴油机气门工作状态的信息,对不同类型的气门故障均能正确诊断. 相似文献
5.
在1110柴油机上模拟了气门漏气、气门间隙异常、供油时刻异常及喷油压力异常4种常见故障,并测得了几种故障下缸盖振动信号和缸内压力信号.对振动信号常用的几种分析方法进行对比研究,并选定小波分析法对振动信号进行时频分析,提取振动信号的特征参数.试验发现:气门漏气时整个缸盖振动信号高频带能量增加、低频带能量降低;气门间隙增大时,高频振动响应信号能量增强;供油提前角增大时,缸内燃烧始点提前,缸盖振动信号低频带信号能量增加;喷油压力增大时,缸盖振动信号中低频带信号所占能量增加. 相似文献
6.
7.
针对船用柴油机气阀漏气故障的问题,提出一种结合遗传算法(genetic algorithm,GA)与支持向量机(support vector machine,SVM)的船舶柴油机气阀漏气振动诊断方法,称之为遗传算法优化支持向量机(GA-SVM)。通过分析静态与动态工况下的缸盖振动信号,提取训练SVM特征参数,利用GA-SVM的惩罚因子与核函数参数对故障进行识别。试验结果表明,GA-SVM方法完善了SVM参数选取方法,可有效识别柴油机气门漏气故障。优化后的整体故障诊断准确率为99.333%,相比于未优化前的测试集,故障诊断正确率提高了约2%。 相似文献
8.
9.
基于小波包与神经网络的柴油机故障诊断 总被引:1,自引:0,他引:1
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。 相似文献
10.
基于LMD和SVM的柴油机气门故障诊断 总被引:2,自引:0,他引:2
针对柴油机气门故障诊断问题,在WP7柴油机上模拟了气门故障,提出了基于局部均值分解(local mean decomposition,LMD)和支持向量机(support vector machine,SVM)相结合的气门故障诊断方法.该方法首先用改进LMD方法将缸盖振动信号分解成若干个瞬时频率具有物理意义的PF(product function)分量之和,然后从缸盖振动信号和分解得到的PF分量中提取故障特征向量,以此作为SVM分类器的输入进行故障诊断.此外提出了改进粒子群算法(particle swarm optimization,PSO)用于SVM参数的优化.诊断结果显示,16组测试样本的测试结果均与实际状况相一致,诊断正确率为100%,该方法能快速准确地识别内燃机气门故障. 相似文献