基于包络分析的灰色关联度诊断及在柴油机故障诊断中的应用

本文利用高斯小波进行解包络分析,提取包络分析的时域特征参数。对特征参数进行模糊处理和隶属度计算,在此基础上设计出故障特征向量,进行灰色关联度分析,从而把包络解调分析、模糊数学和灰色关联分析有机结合在一起,综合它们的优势,进行故障分类和识别,为机械设备的故障诊断提供一条新的思路     

应用图像处理进行内燃机故障诊断时应注意的几个问题

图像处理技术在内燃机的故障诊断与状态监测中应用还很少 ,本文探讨了应用于这方面时应注意的几个问题。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门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用性。     

多重分形维数谱及其在内燃机故障诊断中的应用

采用小波模量极大值方法对缸盖振动信号去噪 ,计算数据的多重分形维数谱 ,将其用于刻划内燃机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。结果表明 ,缸盖振动信号的多重分形维数谱当气门在不同状态时是不同的 ,可以将其作为判断气门状态的依据。     

神经网络在内燃机故障诊断中的应用研究

运用小波分析对柴油机缸盖振动信号进行分析与讨论,计算二进小波分解后尺 度１信号在各个时间段内的能量百分比,最后将此能量比作为神经网络的输入进行 训练,得到故障诊断识别网络,取得了较好的故障诊断效果。     

用于内燃机振动诊断的一种特征参数选取方法

针对内燃机振动诊断提出了一种新的特征参数选取方法,计算每个特征参数对各类工况的类识别率,选取对各类工况类识别率最高的前2个特征参数形成联合诊断向量.针对内燃机气门机构间隙异常故障的诊断问题,对缸盖振动信号的常用幅值域特征参数进行了选取,并采用人工神经网络模型进行了验证.结果表明:使用基于类识别率的特征参数选取方法将特征维数缩减一半时,诊断准确率的下降小于1%.     

基于小波包的气门故障诊断

本文利用小波包将信号按任意时频分辨率（满足测不准原则）分解到不同频段的特点,论述了小波包特征提取的方法。利用这一特性对柴油机气门间隙和漏气故障进行了诊断,取得了满意的结果。     

基于图像处理与神经网络的内燃机故障诊断研究

在提出应用图像处理进行故障诊断的基础上,探讨了利用内燃机振动信号产生图像的方法。在对振动信号进行重抽样处理的基础上,实现了振动信号的灰度图像表示,从缸盖振动信号的灰度图像中提取图像特征并对图像特征进行模糊化处理,设计神经网络分类器,实现了对气阀机构故障的诊断与分类。     

OFDM信道估计的子空间方法

介绍了OFDM信道盲估计的子空间方法及其研究现状,并对文献[6]的算法按照WLAN 802.11a的符号格式在存在虚载波及导频的情况下进行了性能仿真,研究了要达到一定的精度,算法应选取的包长及算法对信道SNR的要求。仿真结果表明导频格式会影响算法的收敛,但通过加入不相关的导频,能保证算法的收敛。     

柴油机供油系统的检测与研究

柴油机的油压波形中包含了大量可作为供油系统故障诊断的特征参数。本文通过对供油压力波形分析研究,提取故障诊断特征参数,设计了油压的检测诊断系统。实验表明,这种供油系统的检测与诊断方法是有效的、可行的。     

一种用于QAM通信系统的盲相位恢复算法

本文对QAM星座图相位旋转的恢复进行了研究,发现通过对旋转后的星座图实施试探性相位补偿,并对补偿后的信号点进行判决,就可以在MMSE准则下简单的实现旋转相位提取。该算法为开环结构的盲算法,不需要辅助训练序列和判决反馈数据;同时算法利用所有接收信号点携带的相位旋转信息,可在较短的观测区间内实现相位恢复。