基于S变换的内燃机加速过程进气噪声时频特性研究

以某四缸汽油机为研究对象,采用S变换技术对加速过程的进气噪声信号进行时频分析处理,研究进气噪声信号能量在时频域内的分布规律,以及其主要频率成分随转速和时间的变化特性,结果表明,发动机进气噪声是与其转速密切相关的非稳态信号,以基频为主,尤其是在低转速段,噪声信号能量几乎全部集中在由基频构成的线性调频带附近,但随着发动机转速的升高,噪声信号的幅值或能量逐渐增大,而且能量分布越来越广泛,频率成分也越来越丰富.     

基于连续小波变换的内燃机瞬态工况噪声信号时频特性研究

以某四缸汽油机为研究对象,发动机加速过程中,对前端噪声信号进行测试,并对采集的噪声信号进行等长度分段预处理。采用连续小波变换方法分别对各数据段的噪声信号进行时频分析处理,分析噪声信号能量在时频域内的分布规律,以及其主要频率成分随转速或时间变化的特性。结果表明,发动机加速过程中,噪声信号能量主要集中在2阶主谐次和转动基频构成的线性调频带附近,而且随着转速的升高,调频带附近的信号幅值和能量也随之增大。在调频带上方也分布着一些频率成分,但是其幅值和能量相对较小,而且随着转速的升高,其频率成分越来越丰富,能量分布也越来越广泛。     

旋转机械振动信号基于EMD的HT和STFT时频分析比较

基于经验模态分解（Empinrical Mode Decomposition，EMD）的希尔伯特变换（Hilbert Transformation，HT），是先把一列时间序列数据通过经验模态分解，然后经过希尔伯特变换获得频谱的信号处理新方法。介绍了该方法的理论和算法。对仿真和旋转机械油膜涡动故障振动信号分别用基于EMD和基于STFT（Short-Time Fourier Transformation，STFT）的时频分析进行了比较研究，研究结果说明，用基于EMD的HT方法对旋转机械的振动信号进行时频分析比STFT有效。     

基于排气噪声EMD的柴油机失火故障诊断

针对坦克柴油机失火故障诊断问题,在实车上模拟了失火故障,应用EMD对不同状态下的排气噪声信号进行了经验模态分解,利用Hilbert变换求取了主固有模态分量(IMF)的瞬时频率函数,以其围绕周期性排气噪声基频的波动方差和平均穿越率为特征参数,建立了一种诊断柴油机失火故障的方法。应用结果表明了诊断方法的可行性。     

HHT在电网谐波分析中的应用研究

Hilbert-Huang变换(HHT)以经验模态分解(empirical mode decomposition,EMD)为理论基础,尤其适用于强干扰背景下的瞬时有用信号的提取.本文以某10 kV电力母线谐波实测数据为基础,研究HHT在谐波电流分析中的应用.对10 kV电力母线谐波电流信号应用EMD分解得到的固有模态函数IMF(Intrinsic Mode Function),与小波分析结果相比较表明,HHT能够从复杂的背景谐波中获得较为理想的无畸变谐波信号.     

基于S变换的内燃机气缸盖振动特性研究

介绍了S变换的基本原理.设计了仿真试验,对比分析短时傅立叶变换,连续小波变换以及S变换的时频分析能力.结果表明,S变换是一种更加有效的非稳态信号时频分析方法.采用S变换对灭缸前后气缸盖侧面振动信号进行时频分析发现,信号能量主要集中于4～6.4 kHz的高频区域,在曲轴转角方向上,4～6.4 kHz的频带成分持续间断出现,其出现位置和间隔与振动信号各冲击响应相对应.研究表明,S变换具有较好的时频定位能力,可用于内燃机气缸盖振动特性研究.     

用复声强法和模态分析法研究内燃机表面噪声

本利用复声强法测量内燃机表面噪声场分布，对各测点声压值进行了频率分析，结合内燃机表面覆盖件有限元模型的模态分析，确定部分覆盖件主要由于共振产生了较大的表面辐射噪声，通过改变覆盖件结构改变其自振频率，达到了降低表面辐射噪声的目的，结果证明，通过结构参数的改变来降低表面辐射噪声是行之有效的。     

基于信号分析的发电机组辐射噪声盲源分离和识别

具有独立分量的经验模态分解算法结合了独立成分分析算法和经验模态分解算法的优点,可通过单个观测信号将噪声源分解成一系列独立分量,保证了分离出的声源的独立性,同时利用小波变换技术对各个独立分量进行了分析,通过时频分析结果确定了各独立分量与发电机组各噪声源的对应关系,并通过试验进行了验证。研究结果表明:这些独立分量分别对应着配气机构噪声、平衡轴驱动齿轮噪声、正时齿轮噪声和进气噪声。     

基于HHT的转子扭振估计方法研究

提出了一种从转子径向振动信号中估计扭振的方法,因为径向振动和扭振之问的相互耦合,会产生一种相位调制现象,先用经验模块分解（EMD）的方法将振动信号分解成一系列的本征模函数（IMF）,然后将其中一个本征模函数作Hilbert变换就可获得扭振的估计值。根据现场数据分析结果,该方法有一定的可行性。     

基于瞬时频率估计的内燃机信号阶比分析

阶比分析是内燃机急加速启动过程信号有效的分析方法,它是以得到准确的转速信号对其等角度采样为前提条件的。根据希尔伯特一黄变换(hilbert—huang ransform),提出了基于瞬时频率估计的内燃机信号阶比分析方法,直接从振动信号的瞬时频率估计得到转速信号。在瞬时频率估计的若干影响因素分析的基础上,提出了改进瞬时频率估计的方法。仿真与实际信号分析证明了该方法的可行性。     

基于EMD算法的发动机故障监测研究

汽车发动机的工作状况直接影响汽车的动力性、可靠性以及安全性等.现有的汽车发动机综合故障诊断技术依赖于多种传感系统和专家的先验知识,不利于在车载系统上使用.为探索一种高效的用于车载汽油发动机故障诊断系统的方法,介绍了一种通过监测和分析汽车发动机排气压力波动态特性来监测发动机工况的新方法,采用经验筛(EMD)法对测得的压力波数据进行分解分析.报告了对89VOLVO DL汽油发动机4缸的研究,针对正常工作和某缸出现失火故障时的排气压力波数据进行EMD分解,验证了EMD法用于汽车发动机故障监测的实用性和准确性.     

基于EMD的汽轮机碰摩信号消噪技术研究

基于EMD理论提出一种汽轮机振动信号自适应消噪方法,对实测汽轮机碰摩振动信号EMD消噪和小波软阀值消噪结果的比较表明,基于EMD消噪方法能够有效地消除旋转机械振动信号中的噪声.     

基于爆发噪声信号的内燃机失火故障诊断研究

本文提出了一种利用爆发噪声诊断内燃机失火故障的新方法。通过高压进油管压力信号的分析,将爆发噪声信号以内燃机一个工作循环为周期分割成多段信号。采用重采样技术,使分段信号长度一致并保证在时域上对齐。用等高线图法对分段信号进行能量面积分析。实践证明该方法可以准确的诊断出多缸失火故障及失火气缸位置。     

基于EMD与SVM的柴油机故障诊断

对柴油机气阀间隙变化、断油等故障情况下的缸盖振动信号进行了测试分析.采用经验模式分解EMD方法对振动信号进行分解,得到固有模态函数IMF,对每一个IMF分量分别建立AR模型,以模型的自回归参数和残差的方差作为特征向量,用支持向量机SVM进行分类,判断柴油机的工作状态和故障类型.实验结果分析表明,该方法即使在小样本情况下也能准确有效地诊断柴油机故障,能实现故障的实时自动化诊断.     

带微粒过滤器的发动机排气噪声特性研究

采用Sysnoise软件对简化的微粒过滤器模型进行了热态下的三维数值模拟计算,得到了微粒过滤器各部分传递矩阵。利用传递矩阵法计算了微粒过滤器热态下的插入损失,并在半消声试验室中搭建了发动机试验台架,测试了发动机在标定工况和怠速工况下微粒过滤器的插入损失,测试与计算结果的对比分析验证了声学模型的正确性。研究结果表明:微粒过滤器对高频排气噪声具有明显的衰减作用,黏性对噪声衰减也有较大的影响。     

利用振动信号的小波变换识别内燃机噪声源的研究

在某车用发动机的不同部件上采集了振动速度信号,利用连续小波变换的方法对信号进行了研究.根据小波变换的时频分析特点,从小波变换幅值的时频图上提取出振动信号的特征,从中识别出不同的部件对发动机表面辐射噪声的不同频率成分的贡献.小波变换方法得到的结果与声强模态方法得到的结果相比有较好的一致性.     

基于分形理论的内燃机噪声信号分析

提出了基于分形的内燃机噪声信号的内燃机故障诊断方法。根据分形理论的G-P算法,阐述了内燃机噪声信号分形关联维数的计算方法,并对维数计算过程中参数的选取进行了详细的论述。通过对实际测量的内燃机噪声信号的关联维数计算分析,证明了内燃机噪声信号的分形特性。计算结果表明:内燃机噪声信号关联维数随内燃机工作状况改变有明显的变化,可作为内燃机工作状态监测和故障诊断的一个特征量。