基于EMD奇异值分解与马氏距离的气阀故障诊断

设置排气阀的不同间隙及用新气阀模拟轻微漏气,构造气阀机构的四种常见工作状态,然后针对非平稳的缸盖振动信号,介绍了一种可以处理非平稳信号的新方法,应用Hilbert-Huang 变换的核心内容--经验模态分解法对非平稳信号进行分解,以降低原始信号中的非平稳性.利用经验模态分解和奇异值分解得到缸盖振动信号的故障特征参数,然后用少量的样本数据训练得到四种常见工作状态的模式向量,最后利用马氏距离判别函数进行气阀机构故障状态的识别.实验结果表明通过小样本即可完成模型的训练,且训练一旦完成,对未知样本的分类速度和识别率都很高,便于实现气阀机构故障的在线实时监测与诊断.     

基于小波包频带能量分解和欧氏贴近度的柴油机气阀机构故障诊断

通过调整柴油机气阀机构的不同气门间隙，采集柴油机缸盖表面的振动信号。利用小波包改进算法对所采集的信号进行频带分解。研究了不同气阀间隙情况下的缸盖振动频带能量分布规律。以频带能量为特征向量，以同一工况下我次采样均值作为标准模式，通过计算欧几里得贴近度实现了对柴油机气阀机构间隙异常的故障诊断。     

基于局部均值分解与关联维数的往复压缩机气阀故障诊断

针对往复压缩机气阀振动信号具有的非线性与非平稳复杂特性,提出基于局部均值分解与关联维数相结合的方法,通过将原始振动信号进行分解,定量化提取了不同气阀故障状态下的关联维数特征,结果表明:局部均值分解后的振动信号信噪比得到显著提高,高频分量的关联维数能够明显区分不同故障状态特征,因此可以作为往复压缩机气阀故障诊断的有效依据。     

ART网络在内燃机故障诊断中的应用

对缸盖振动信号进行二进小波分解,从分解后的尺度1信号中提取诊断特征参数,利用这些诊断参数及改型的ART网络对气阀机构进行故障诊断与识别,取得了较好的效果。     

混沌分形理论在往复压缩机气阀故障诊断中的应用

提出用关联维数来定量描述往复压缩机气阀的工作状态,进而对气阀进行故障诊断.首先采用基于经验模态分解和奇异谱分析的基本思想,对气阀不同状态下的信号进行降躁处理,然后计算了信号的关联维数.分析结果表明,气阀不同运行状况对应的关联维数明显不同,因此可以用关联维数作为气阀不同工作状态的特征参数,从而提高了设备故障诊断的准确率.     

往复压缩机环状气阀振动信号的LMD故障特征 提取方法研究

以往复压缩机环状气阀为研究对象,通过加速度振动传感器测试了其正常运行状态下的振动信号,通过对其进行局部均值分解(LMD),得出了信号所对应的多个乘积函数(PF)分量,并提取这些PF分量的3大特征参数因子,包括偏度系数(g_i)、峭度系数(q_i)和总能量比(E_(i )/E)。然后对气阀进行不同种类的破坏,包括锯断阀片、去除气阀内部分弹簧和对阀片打孔,并对破坏后的气阀运行振动信号进行相同的分析得出相应的参数因子,与气阀正常运行时对应参数因子进行比较。结果显示,在阀片锯断和气阀去弹簧2种状态下,气阀振动信号得出的相应特征参数因子都会出现反映气阀故障的异常值,但在气阀阀片打孔的状态下则不明显。以上说明LMD方法虽然具有一定的局限性,但是能够准确、有效地对往复压缩机气阀振动信号进行判断,从而实现对气阀的工作状态和故障类型进行分类,是研究气阀故障诊断的实用方法。     

基于VMD和改进多尺度熵的往复压缩机气阀故障诊断方法

针对往复压缩机气阀振动信号具有非平稳性、非线性和多分量耦合特性,提出了基于变分模态分解(Variational Mode Decomposition,VMD)和改进多尺度熵的往复压缩机气阀故障诊断方法。利用VMD方法分解振动信号,并根据互相关系数法选取主要模态分量进行信号重构,可有效的消除噪声干扰;应用改进多尺度熵对重构信号进行量化分析,获得各振动信号的特征向量,并以极限学习机(Extreme Learning Machine,ELM)为故障分类器对往复压缩机气阀的4种状态实测信号进行分类识别。研究结果表明:该方法能够比较准确地提取出往复压缩机气阀故障信息,可实现往复压缩机气阀故障的正确识别。     

多气阀气动发动机设计及特性分析

随着环境问题的日益严重,气动发动机作为一种清洁能源的动力装置而逐渐被人们所关注。然而,能量利用效率低和输出功率低已经严重影响了气动发动机的发展。分析了气动发动机工作过程中的能量损失,并在此基础上提出了一种多气阀的新型气动发动机机构。建立了气动发动机工作过程数学模型。为了验证模型的准确性,搭建实验平台对气动发动机进行实验研究。通过误差与进气压力和曲轴转速之间的关系对所建立的模型进行修正,得到精确的气动发动机工作过程的数学模型。在此模型的基础上得到多气阀气动发动机的扭矩和能量利用效率特性。结果显示,在同样的结构参数下,进气压力为2MPa时,相比单进气和排气的气动发动机机构,多气阀气动发动机气输出扭矩提高了26.2~41.9N·m,能量效率提高了8%~10%。     

往复式压缩机气阀磨损故障特征提取的研究

气阀磨损是气阀的主要故障之一,可能会造成阀片不能准确、平稳地开启和闭合,引起循环气体温度、压力的变化,造成能量损失,影响到压缩机的效率,因此,对气阀磨损进行故障特征提取及故障诊断十分必要。先通过信号AR功率谱对比了解到故障特征频带为2000~4000Hz,再对信号进行EMD分解,分解得到的IMF以小波包频带能量准则进行判定,即选择2000~4000Hz范围内能量比重较大的IMF进行重构;对重构后的信号再次进行小波包软阈值降噪,降噪后的信号再作两层分解,对频带为22000~4000Hz的小波包系数进行重构,即得到特征频带内降噪后的最终信号。在以上研究基础上,最后建立了表征气阀好坏的时域特征参数—故障综合值。研究结果表明:(1)气阀磨损时,阀片撞击升程限制器和阀座的冲击信号会明显增大,并且在吸气与排气阶段,气流会对阀门产生明显的扰动;(2)故障综合值有利于直观判断气阀的磨损程度,值越大表示磨损越严重。     

图像处理在内燃机故障诊断中的应用研究

在应用图像处理进行故障诊断的基础上 ,探讨了应用这一技术进行内燃机故障诊断与状态监测时应注意的一些问题。指出利用缸盖振动信号小波包分解后的时 -频分布图的灰度直方图进行故障诊断的效果并不好 ,并分析了原因 ;进行了信号加噪声与不加噪声的诊断效果对比 ,发现噪声对基于图像处理的气阀机构故障诊断的影响不大 ,验证了这一方法的工程实用性和可行性     

Fault diagnosis for diesel valve trains based on time–frequency images

In this paper, the Wigner–Ville distributions (WVD) of vibration acceleration signals which were acquired from the cylinder head in eight different states of valve train were calculated and displayed in grey images; and the probabilistic neural networks (PNN) were directly used to classify the time–frequency images after the images were normalized. By this way, the fault diagnosis of valve train was transferred to the classification of time–frequency images. As there is no need to extract further fault features (such as eigenvalues or symptom parameters) from time–frequency distributions before classification, the fault diagnosis process is highly simplified. The experimental results show that the faults of diesel valve trains can be classified accurately by the proposed methods.     

乳化液泵配流机理的试验研究

乳化液泵属于多柱塞阀配流往复式容积泵,以进、排液阀完成配流任务,实践中为了达到流量调节目的往往采用变频驱动技术。采用线性可变差动变压器（Linear Variable Differential Transformer,LVDT）位移传感器测量了进、排液阀阀芯和柱塞位移规律,并同步采集了泵出口处的压力数据。试验结果显示：排液阀阀芯在不同曲轴转速下的行程是变化的,且均未达到由限位结构决定的限位高度;排液阀阀芯在开启过程中存在着抖动,这种开启行程中的反向运动是由泵出口处的压力脉动导致;进、排液阀开启过程均存在滞后,而排液阀关闭滞后不明显,进液阀关闭滞后随着曲轴转速的下降而缓解。为了降低这类泵曲轴转速降低时引发的压力脉动加剧现象,可考虑采用主动控制进液阀启闭时刻的方式实现流量调节目的。     

内燃机故障的多重分形诊断方法研究

实测了6135柴油机气门机构处于不同状态时的缸盖振动信号,计算振动信号的多重分形维数,将其用于刻划缸盖在气门不同状态时表现的非线性行为,从而对故障分类与诊断。结果表明,当气门在不同状态时缸盖振动信号的多重分形维数是不同的,可以将其作为判断气门状态的依据。     

基于时序分析与神经网络的气阀机构故障诊断

通过模拟柴油机气阀机构的两种主要故障 :气门漏气和气门间隙异常进行实验 ,采集缸盖表面的振动信号。利用时间序列分析方法对振动信号建立AR和ARMA模型 ,利用其参数及残差等指标作为特征参数 ,提取时域的均方根等指标。最后利用人工神经网络进行故障模式识别。结果表明方法是可行的 ,效果较好     

缸压振动信号的研究

本文用试验的方法，根据发动机的配气相位、盖的传递特性及气缸燃烧压力的频谱特征，对缸压振动响应信号的频谱做了较深入的研究，揭示了缸振动信号频谱特征产生的机理。     

基于小波包与LS—SVM的气阀故障诊断

基于小波包原理,对柴油机的缸盖振动信号进行小波包分解,利用“频带能量”的特征提取方法得到特征向量,并作为LS-SVM的输入进行训练和分类检验,提出了一种基于小波包和LS—SVM的气阀故障诊断方法。结果表明不同状态下的气阀漏气故障能得到识别和分类,且具有较高的精度。     

Fault diagnosis for diesel valve trains based on non-negative matrix factorization and neural network ensemble

It is well known that the vibration signals are unstable when there is some failure in machinery. So in this paper, the cone-shaped kernel distributions (CKD) of vibration acceleration signals acquired from the cylinder head in eight different states of valve train were calculated and displayed in grey images. Meanwhile, non-negative matrix factorization (NMF) was used to decompose multivariate data, and neural network ensemble (NNE), which is of better generalization capability for classification than a single neural network, was used to perform intelligent diagnosis without further fault feature (such as eigenvalues or symptom parameters) extraction from time–frequency distributions. It is shown by the experimental results that the faults of diesel valve trains can be accurately classified by the proposed method.     

基于光电容积脉搏波的血压测量实验研究

针对电子血压计不能实现血压的无创连续测量的问题,提出了一种基于光电容积传感技术和平稳小波算法的无创血压测量方法。利用搭建的光电容积脉搏波采集系统采集人体指尖的脉搏波信号,并进行了分析。通过SWT对脉搏波信号进行了分解,重构了第5层高频信号,提取了该重构信号的10个特征参数作为ANN的矢量输入,脉搏波对应的收缩压和舒张压作为ANN的矢量输出进行了训练拟合。实验总共分析了不同人群的10 700个脉搏波信号,利用其中的10 000个信号建立了特征参数与血压的模型,通过剩余的700个信号对建立的模型进行了测试,并且将测试误差与美国医疗器械促进协会(AAMI)规定的标准进行了比较。实验结果表明:通过该方法可实现血压的无创连续测量,为智能穿戴等健康监护设备中进行血压的实时监测提供一定的参考价值。     

Fault Feature Extraction of Diesel Engine Based on Bispectrum Image Fractal Dimension

Fault feature extraction has a positive effect on accurate diagnosis of diesel engine. Currently, studies of fault feature extraction have focused on the time domain or the frequency domain of signals. However, early fault signals are mostly weak energy signals, and time domain or frequency domain features will be overwhelmed by strong back?ground noise. In order consistent features to be extracted that accurately represent the state of the engine, bispectrum estimation is used to analyze the nonlinearity, non?Gaussianity and quadratic phase coupling(QPC) information of the engine vibration signals under different conditions. Digital image processing and fractal theory is used to extract the fractal features of the bispectrum pictures. The outcomes demonstrate that the diesel engine vibration signal bispectrum under different working conditions shows an obvious differences and the most complicated bispectrum is in the normal state. The fractal dimension of various invalid signs is novel and diverse fractal parameters were utilized to separate and characterize them. The value of the fractal dimension is consistent with the non?Gaussian intensity of the signal, so it can be used as an eigenvalue of fault diagnosis, and also be used as a non?Gaussian signal strength indicator. Consequently, a symptomatic approach in view of the hypothetical outcome is inferred and checked by the examination of vibration signals from the diesel motor. The proposed research provides the basis for on?line monitoring and diagnosis of valve train faults.     

基于S变换的热连轧机耦合振动特征提取

提出一种基于短时傅里叶变换的自适应频域滤波方法,将噪声信号与振动特征成功地分离。根据短时傅里叶变换和功率法设定的阀值,自动捕捉了振动信号在不同时间段的优势频率。对振动信号、压下液压缸压力信号和伺服阀给定信号做短时傅里叶变换后,热连轧机振动被诊断为液机耦合振动。利用离散小波变换和S变换相结合的方法对轧机振动信号进行分析,确定轧机起振的时间为液压压下系统的投入时间,证明了热连轧机存在液机耦合振动现象。