基于振动信号的柴油机供油提前角检测研究

供油提前角是监测柴油机技术状况变化或检测其故障的有效参数之一,因此研究快速、准确地检测供油提前角的方法是有重要意义的。阐述了一种基于高压油管振动信号的间接检测方法。讨论了实车上测量高压油管振动信号的方法;对实车检测到的油管振动信号进行了自适应滤波处理;对处理后的信号进行了小波变换,保留了一定的低频成分,从而提取出供油始点,并结合上止点信号计算出了供油提前角。试验证明,利用振动信号可以准确计算出柴油机的供油提前角,实现供油提前角的不解体诊断。     

基于RBF神经网络的柴油机故障诊断

神经网络模式识别的实时性和鲁棒性使得它成为故障诊断的常用方法.本文首先介绍了RBF神经网络的构成和特性,然后将柴油机的振动信号和油管压力信号作为特征参数,运用RBF神经网络对供油系统的3种故障进行诊断分析.实践表明,RBF神经网络用于多征兆机械系统的故障诊断是有效、可行的.     

柴油机气门故障特征提取方法研究

针对柴油机气门故障诊断问题,在柴油机上模拟了气门间隙异常、气门漏气故障,同步测取了正常和故障情况下的缸盖振动与瞬时转速信号,提出了基于阶比跟踪的振动信号等角度重采样方法,准确地实现了振动信号时间域到角度域的转换,避免了频谱泄漏及混叠。考虑到缸盖振动信号的非平稳特性,应用经验模态分解法将振动信号分解成一系列具有不同尺度的内禀模态函数,利用三维Hilbert谱提取了反映柴油机故障的特征参数。试验结果表明:研究方法可以有效地提取柴油机振动信号的故障特征,从而实现柴油机配气机构故障诊断。     

基于变分模态分解和交叉小波变换的柴油机失火故障诊断

针对强噪声干扰下柴油机失火故障难以诊断的问题,提出一种基于变分模态分解(variational mode decomposition,VMD)与交叉小波变换(cross wavelet transform,XWT)的柴油机失火故障诊断方法。该方法首先通过VMD将缸盖振动信号进行分解、自适应消噪及信号重构,再利用XWT对任意两个连续工作循环信号进行时频相关分析,进一步消除振动信号中的干扰噪声以提取柴油机燃烧特征,最后通过计算时频空间各缸能量占比进行柴油机失火故障诊断。通过对仿真信号分析及柴油机失火故障诊断,结果表明:该方法可以消除强噪声干扰,提取柴油机燃烧周期瞬态振动冲击特征,有效地识别柴油机失火故障。     

遗传算法在气门机构故障诊断中的应用

通过模拟柴油机气门机构的2种主要故障-气门漏气和气门间隙异常进行试验,采集柴油机缸盖表面的振动信号,计算 了柴油机缸盖振动信号的小波包能量、时域能量、最大幅值和奇异性指标。建立了振动信号的AR和ARMA模型,最后利用遗传算法进行自动再生最佳特征参数,得到了优化的气门机构故障诊断表达式,结果表明利用该表达式可以更简捷有效地进行故障诊断。     

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。     

柴油机燃油喷射系统故障振动诊断的试验研究

利用振动技术对柴油机的机械性故障进行不解体诊断，是当前国内外都在研究的重要课题。作者在进行柴油机燃油喷射系统典型故障模拟试验的基础上，测取了高压油管的振动信号，并进行了信号分析，得出了故障诊断的判据。     

基于LMD边际谱的柴油机气门故障诊断

针对柴油机气门间隙故障诊断问题,在WP7柴油机上模拟了多种气门间隙故障,测取了正常及故障条件下的缸盖振动信号。考虑柴油机缸盖振动信号具有非平稳的特点,提出一种基于局部均值分解边际谱和马氏距离的故障诊断方法。该方法在LMD边际谱的基础上定义了频率中心,并以此作为柴油机气门间隙的故障特征,利用马氏距离判断柴油机气门的工作状态。试验结果表明:该方法可以有效地提取柴油机气门间隙故障特征,实现柴油机气门机构故障诊断。     

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。     

柴油机气门故障信号的双谱图形分形维数分析

气门间隙异常是柴油机常见机械故障之一,对其进行准确的诊断对提高柴油机的使用寿命具有积极的作用.针对柴油机气门间隙异常的问题,在某直列6缸柴油机上模拟了不同气门故障,提出了基于双谱估计、图像处理以及分形理论相结合的故障诊断方法.该方法首先利用双谱估计对非线性、非高斯信号的敏感性质,分析了不同故障状态下振动信号中非高斯成分及二次相位耦合特性,然后通过图像处理技术将双谱图表示为以像素位置及对应颜色强度构成的三维空间曲面,最后利用分形理论提取该曲面的分形盒维数作为故障特征.结果表明:不同状态下柴油机振动信号的双谱及其图像分形维数明显可分,正常状态下的双谱峰值分布最为复杂、分形维数最大,故障状态下的分形维数分别处在不同的范围.因此,以振动信号的分形维数作为特征值可实现柴油机气门故障诊断.     

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.     

基于时频谱图与图像分割的柴油机故障诊断

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.     

基于变分模态分解和去趋势波动分析的柴油机振动信号去噪方法

为了解决柴油机工作时其振动信号的背景噪声对状态监测及故障诊断造成干扰这一问题,提出一种基于变分模态分解(VMD)和去趋势波动分析(DFA)的柴油机振动信号去噪方法。该方法首先利用变分模态分解将振动信号分解为若干分量,再利用去趋势波动分析分别计算各个分量的尺度指数,根据尺度指数的值选取具有长程相关性的分量进行信号的重构,以消除振动信号中噪声。将该方法应用于仿真信号和柴油机故障振动信号中,取得了良好的消噪效果。     

柴油机故障诊断与分析

通过采集16V240ZJ型柴油机振动信号并利用小波包分解对振动信号进行消噪处理,利用频带分解技术提取振动信号的特征值向量,应用神经网络实现柴油机自适应的故障诊断。     

小波分析在柴油机滑动主轴承接触摩擦故障诊断中的应用

本文以柴油机滑动主轴承为研究对象，在试验台上采用从正常润滑状态逐步向干摩擦状态过渡的方法模拟故障，利用振动信号对滑动轴承的工作状态进行监测，并用小波分析方法对该非平稳时变信号进行处理，取得了较好的诊断效果。结果表明，小波分析方法用于柴油机的振动故障诊断是有效可行的，对其他复杂机械的振动诊断同样具有参考价值。     

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LabVIEW的柴油机失火故障诊断系统设计

针对柴油机工作中的失火故障问题,我们提出并设计了一种基于LabVIEW的柴油机失火故障诊断系统。该系统具有对柴油机进行信号采集、信号特征提取以及故障诊断的功能,能够对柴油机工作状态的检测及诊断。系统中将实验室虚拟仪器环境与故障诊断技术相结合并应用于柴油机失火故障检测与诊断,利用小波分析结合LabVIEW编程开发,使该系统可以对故障信号进行特征提取;系统运用LabVIEW和MATLAB混合编程技术,通过支持向量机实现了柴油机失火故障的诊断识别。工程实践应用表明:该系统可以对柴油机工作状态的测量结果进行显示、处理、存储、分析和判断,证明了系统的正确性和可行性。     

基于小波技术的柴油机振动信号特征参数的研究

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.     

基于遗传算法优化支持向量机的船用柴油机气门漏气故障智能诊断方法

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%。