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。     

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。     

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。     

基于非高斯AR模型双谱估计的发动机气门机构故障诊断

将高阶谱引入故障诊断领域,利用基于非高斯AR模型的双谱估计方法描述了缸盖振动响应信号的非线性和非高斯特性。基于非高斯AR模型的双谱估计,能够在数据较短的情况下,提供较高的频率分辨率且能提取信号的相位信息,可用于非平稳信号的数据处理和故障诊断。研究结果表明:当柴油机气门机构处于不同工作状态时,缸盖振动信号的双谱及其等高线具有明显的可分性。对双谱进行数据降维处理,从其主对角切片中提取了比较稳定的故障特征,为气门机构的状态监测与故障诊断提供了一种有效手段。     

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.     

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.     

模糊函数图像在柴油机气阀故障诊断中的应用研究

计算了柴油机气阀机构8种状态下的缸盖表面振动信号的模糊函数，将结果在频偏时延相平面上用灰度图表示出来，得到了一系列模糊函数图像。选取一部分模糊函数图像进行平均，得到了各种状态的标准模糊函数图像，再根据图像之间的欧氏距离、相似度和J-散度等6种指标对模糊函数图像进行分类，从而将气阀机构的故障诊断转换为模糊函数图像的分类识别。试验结果表明，利用模糊函数图像可以取得很好的诊断结果，6种指标中欧氏距离和相似度两种指标的抗干扰能力比较强，更适合于作为模糊函数图像的分类指标。图像平均可以有效地提高故障诊断的正确率。     

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。     

基于图像与神经网络的柴油机气门故障诊断方法研究

综合信号处理及模式识别理论,根据柴油机振动信号的特点,提出了一种柴油机气门故障诊断综合方法,详细阐述了将提取图像特征的神经网络法用于柴油机气门故障诊断的原理、过程以及故障分类。试验结果表明,该方法值得进一步研究。     

基于小波包和BP神经网络的柴油机故障分析

随着人们对柴油机动力性、经济性要求的不断提高,现代柴油机结构日趋复杂,对其故障诊断要求也越来越高。本文通过WP7柴油机台架试验,模拟供油提前角、供油量、气门间隙以及喷油压力异常四种故障,采集振动信号,利用小波包技术对各种故障振动信号特征参数变化规律进行了分析,比较了各频率对故障信息敏感度的影响,进而利用MATLAB建立BP神经网络,对提取的信号特征进行训练与测试,并进行验证,实现了对柴油机的故障诊断。     

基于振动谱时频图像特征及SVM参数同步优化识别的内燃机故障诊断

为实现内燃机振动谱时频图像特征的自动提取及识别,提出了一种基于振动谱时频图像特征优选及SVM(support vector machine)同步优化识别的内燃机故障诊断新方法.该方法首先采用小波包生成内燃机振动谱时频相平面图,然后从内燃机振动谱图像的形状特征、灰度统计特征和纹理特征来提取特征参数,最后将支持向量机引入内燃机振动谱图像识别中,并针对机械振动谱图像特征参数优选问题,以及SVM的核函数及核函数参数选择问题,提出了基于免疫克隆选择机理的特征选择和SVM参数同步优化算法.内燃机故障诊断实例表明,所提方法故障分类准确率达到了98.92%,验证了该方法的有效性.该方法为实现内燃机振动谱图像特征的自动提取及识别探索了一条新途径.     

基于EMD-WVD振动谱时频图像SVM识别的内燃机故障诊断

为了充分提取基于内燃机振动信号形成的振动谱时频图像的二维时频信息,实现基于内燃机振动谱时频图像特征自动提取及识别,提出了一种基于EMD-WVD(EMD-Wign-er-Ville Distributions)振动谱时频图像SVM识别的内燃机故障诊断方法。该方法利用二进制小波对振动信号进行预处理,然后利用EMD-Wigner-Ville时频分布生成不同工况下振动信号的时频图像,并通过提取振动信号的EMD-WVD振动谱时频图像的不变矩特征形成诊断特征向量,利用一种基于类识别率排序的二叉树SVM分类器进行模式识别。在BF4L1011F型内燃机上进行了6种不同工况下气门故障模拟试验,诊断结果表明总体诊断正确率为98.57%。     

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。     

基于小波包与图像处理的内燃机故障诊断研究

详细分析和讨论了柴油机缸盖振动信号的特点,对其进行了小波包分解,得到时－频分布图,并基于此,提出运用图像处理技术进行内燃机的状态监测与故障诊断的方法,建立了基于图像匹配的内燃机气阀机构诊断模型,并将其和于６１３５Ｇ柴油机气阀机构的故障诊断。结果表明,该方法物理意义明确,诊断结果精度较高,速度快,为内燃机的状态监测与故障诊断找到了一条新的途径。     

运用非线性动力系统理论进行船舶柴油机故障诊断

针对柴油机表面振动非稳态与多激励性的特点,从非线性动力系统理论角度进行信号的分析与处理。运用小波模量最大值对气缸盖螺栓表面的振动信号消噪,计算气门不同状态时的多重分形维数谱,定义故障特征向量,从而识别不同的故障。结果表明,这种方法对气门故障诊断是极为有效的。     

基于粗糙集和神经网络的柴油机故障诊断

介绍了粗糙集理论的核心内容和ROSETTA软件的特点,给出了基于粗糙集理论的柴油机缸盖振动信号的故障诊断系统。以某型号大功率柴油机为例,首先将提取的缸盖振动信号经过小波包消噪和时域、频域分析,构造出用于故障诊断的特征值,然后应用ROSETTA软件约简特征属性,最后通过神经网络进行故障模式分类。通过对比ROSETTA软件处理前后神经网络的输出结果,表明粗糙集理论能优化特征属性,有效地减少神经网络的输入节点数,提高故障分类的准确率。     

融合技术在柴油机故障诊断中的应用

导致柴油机同一故障的各相关检测信号使其融合，应用在神经网络故障识别系统中，可以快速，准确地诊断柴油机.主主要融合气缸振动信号，喷油信号及水温信号，设计了通过撮以信号持征值，应用神经网络识别系统诊断柴油机功率下降故障的方法。信号特征值分别按各自信号的特点提取，其中气缸振动信号以振动信号的各子带功率谱为特征，即在频域中选取特征；喷油信号以信号波形形状识别为特征，即在时域中选取特下；水温信号因其为慢速变化信号，取不同阶段的水温信号为特征。     

EMD方法在内燃机故障诊断中的应用

针对内燃机瞬时转速信号的非平稳性特点,将EMD方法用于瞬时转速信号的时频分析,将其自适应分解为几个基本模式分量和剩余值序列;对各个基本模式分量进行Hilbert变换得到Hilbert谱,从而得到瞬时频率和振幅随时间的变化规律,并进一步得到了EMD边界谱。实验测量6-135型柴油机正常和故障状态下瞬时转速信号,对其进行EMD分析表明：瞬时转速EMD边界谱可以指示有无故障发生,而瞬时频率和分解剩余值序列可以指示故障缸位置,二者结合可以较好地实现内燃机的故障诊断,为基于瞬时转速的内燃机故障诊断提供了一条新的思路。     

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。     

基于小波分析的汽轮机碰磨故障诊断

振动故障是故障诊断中的难点,故障原因复杂、类别繁多。小波分析因具有良好的时频局部性及多分辨率分析特性,被广泛地应用在振动故障诊断中。介绍了小波分析方法在振动故障诊断中的应用,利用时频等高图确定汽轮机碰磨故障发生的时刻,借助小波包特征熵向量诊断碰磨故障的严重程度,从而提出了完整的汽轮机碰磨故障的小波分析诊断方法。