基于整工作循环阶比跟踪谱与FCM的发动机故障诊断

针对发动机加速振动信号的非平稳性和特征参数的模糊性特点,提出整工作循环阶比跟踪谱和模糊C均值算法相结合的方法。首先将加速信号进行阶比重采样,然后把发动机一个工作循环的信号作为一个间隔计算转速,再将这些转速下的阶比谱图放在一起构成阶比跟踪谱,通过计算不同阶比带的累加能量作为故障特征向量,对这些特征向量进行归一化和模糊聚类,得到分类矩阵和聚类中心,最后通过计算待测故障样本与已知故障样本聚类中心的贴近度实现故障模式识别。故障诊断实例表明,该方法能有效地诊断发动机曲轴轴承的故障。     

汽车发动机振动信号的数字阶次跟踪分析

针对利用传统的FFT方法对汽车发动机振动信号进行分析时,由于采样频率固定而机构转速变化易引起的"频率混淆"问题,论述了发动机振动信号的数字阶次跟踪方法.以丰田某4缸柴油机为例,对其进行了振动信号的数字阶次跟踪分析.结果表明,数字阶次跟踪能有效地消除频率混淆,是较传统FFT方法更为有效的测试分析方法.     

基于DSP的柴油机瞬时转速智能监测节点设计

针对柴油机实车在线监测中车内空间有限及变速变载的情况,设计了基于嵌入式系统的柴油机智能监测节点.在对磁电式转速传感器及外卡式油压传感器信号进行同步采样后,利用零相位滤波将瞬时转速的计算精度提高了50倍.利用外卡式油压传感器信号定位到柴油机工作周期后,可监控柴油机工作周期内的转速波动值,进而定位失火故障.     

摩托车电控燃油喷射系统检修要点

摩托车电控燃油喷射系统（其结构如图所示）是一种全新的技术,电喷发动机的故障诊断要比化油器发动机更为复杂。为便于及时判别故障部位,电控燃油喷射系统均设置了一套故障诊断子系统。在发动机运行期间,ECU监测各传感器和执行器的工作情况,当所监测的电信号出现异常或者未收到监测信号时。ECUIN可判定故障并存储故障代码。     

数字阶次跟踪技术在汽车NVH领域的应用研究

介绍了数字阶次跟踪分析基本原理,以及在汽车发动机声振信号分析研究上的应用.此项技术采用补零、插值、过采样、重采样等数字计算技术,在对测量得到的发动机振动信号进行"细化"、"选抽"等计算分析后,用"阶次谱"、"三维瀑布图"、"△切片图"等多种图解型式,对国产及国外几种型号的实验发动机进行NVH性能检测.本文推荐的方法,能避免传统FFT分析产生"频率混淆"的缺陷,分析精度高且质量好,证实此项技术是一项有前景的、值得发展的检测诊断新技术.     

变分模态分解的Volterra模型和形态学分形维数在发动机故障诊断中的应用

针对实测发动机故障信号的非线性和形态学分形维数难以对其有效估计的问题,提出一种基于变分模态分解(variational mode decomposition, VMD)的Volterra模型和形态学分形维数相结合的发动机故障诊断方法。首先采用VMD方法对发动机故障信号进行分解,通过基于互信息熵-能量熵增量的虚假固有模态函数(intrinsic mode function, IMF)分量剔除算法,将噪声和虚假干扰成分从信号内分离,对含有故障信息的敏感IMF分量重构,然后通过对重构信号相空间的重构,建立Volterra自适应预测模型,获取模型参数,最后计算模型参数向量的形态学分形维数,并将其作为量化的特征参数用于发动机工作状态和故障类型的识别。通过对实测发动机声振信号的分析,结果表明,该方法可有效提取发动机的状态特征信息,实现发动机异响的故障诊断。     

一种适用于发动机振动信号的时频分析方法

本文中对一种新的时频分析方法——同步压缩小波变换进行研究。首先,为检验其对发动机信号的适用性,建立了多分量、调幅-调频仿真信号,采用同步压缩小波变换对其进行分析。接着将其与其它时频分析方法在时频分辨率、信号分解和重构能力方面进行比较;最后以某一发动机为例,分析其瞬变工况下的振动信号,揭示连杆轴承磨损信号变化规律并提取故障特征。结果表明:同步压缩小波变换是一种适用于发动机状态监测与故障诊断的时频分析方法。     

基于EMD理论的等角度重采样方法在凸轮轴故障诊断中的应用

将一种无转速测量信号,基于希尔伯特—黄变换等角度重采样的阶次分析方法应用于发动机凸轮轴故障诊断,从而有效消除转速波动的影响,使信号处理与分析结果更加准确.应用所提出的方法对某6缸柴油机缸体振动信号进行分析,对比凸轮轴轴瓦断裂修复前后振动信号特征的变化,有效地提取出了故障特征.     

基于虚拟仪器的小波分析在发动机故障诊断中的应用

介绍了小波信号分析、虚拟仪器及其软件开发平台LabVIEW基本原理,阐述了在虚拟仪器平台的基础上将小波分析应用于发动机故障诊断,提出了应用MATLABScript节点对信号进行小波处理的方法,并分析了其中的关键技术,实现小波分析方法在发动机故障诊断中的应用,达到了对发动机运行状态进行实时监测和故障诊断的目的。     

基于最佳阶次FRFT的阶比分量提取

为在变速器故障诊断中提取微弱的故障特征,提出了一种基于转速信号确定分数阶傅里叶变换(FRFT)最佳阶次,并通过滤波提取变速器变速过程啮合阶比分量的方法。首先,根据输入轴转速信号和传动比,计算各挡位啮合频率分量,接着进行最小二乘拟合,以确定各分量FRFT的最佳阶次,最后在该最佳分数阶域进行滤波,获得对应的阶比分量。试验结果表明,根据转速信号确定FRFT最佳阶次,准确、快速、鲁棒性好,并具有自适应性;最佳阶次FRFT滤波能有效剥离其他分量和噪声,提取出目标阶比分量;对目标阶比分量进行单分量分析,能得到该分量更全面、细致、准确的信息。     

柴油机状态监测与故障诊断特征参数研究

介绍了柴油机状态监测与故障诊断特征参数中的非振动参数和振动参数,前者包括能够表征柴油机整体性能的进气压力、转速波动和整机功率;后者包括能够表征柴油机故障信息的中波幅值脉冲、高波幅值脉冲、最大燃烧压力和燃烧均匀性值。对振动信号进行小波包分解,提取包含待诊断部件故障信息的频带能量指标作为故障诊断的特征参数。得到了柴油机状态及故障的特征参数及其变化规律,从而为开展柴油机在线监测和故障诊断提供了可靠的依据。     

强噪声背景下的柴油机失火故障诊断

柴油机失火是常见的故障模式,传统的诊断方法不仅参数获取困难且准确性差。针对此问题,以3缸四冲程柴油机为研究对象,设计了柴油机失火故障的预置试验,采集排气噪声和缸盖振动信号进行故障诊断研究。为提取强噪声背景下的微弱信号,采用二次采样随机共振系统提取柴油机故障特征频率完成柴油机的失火故障诊断。研究结果表明,通过二次采样处理,随机共振系统可以将噪声能量转移到柴油机微弱特征信号上,达到大参数条件下微弱信号特征提取的目的,能有效识别柴油机的早期故障,对其他复杂机械的振动诊断同样具有参考价值。     

基于多尺度核独立元分析与核极限学习机的柴油机故障诊断

为提高柴油机故障诊断速度和精度,提出了基于改进多尺度核独立元分析与量子粒子群优化核极限学习机的故障诊断方法。首先利用固有时间尺度分解对缸盖振动信号进行多尺度时频分解,并根据故障敏感度参数筛选有效分量以实现振动冲击特征增强;然后利用核独立元分析消除有效分量间的频带混叠,分离故障敏感频带,并提取各频带的AR模型参数、多尺度模糊熵和标准化能量矩构造联合故障特征向量;最后建立基于量子粒子群优化的核极限学习分类器实现柴油机故障诊断。试验结果表明,该方法有效增强了缸盖振动信号中的故障敏感特征,提高了柴油机故障诊断速度和精度,故障分类准确率达到98.45%。     

基于欠定盲源分离的柴油机曲轴轴承故障诊断方法研究

针对柴油机曲轴轴承振动信号盲源分离的欠定问题,提出了基于相空间重构和动态聚类奇异值分解的适定化方法。首先通过引入广义时间窗的概念确定最佳时间延迟和嵌入维数,重构信号相空间矩阵;然后对其进行奇异值分解,并对奇异值进行动态聚类以确定最佳重构阶数,进而重构得到虚拟观测信号,从而将欠定问题转变为适定或超定;最后利用自适应Parafac方法对原观测信号与虚拟观测信号构成虚拟传播路径进行盲源分离得到有效源信号。仿真结果表明,该方法可有效分离出混合信号中的源信号,并将其应用到柴油机曲轴轴承故障诊断中,诊断准确率提高了18.4%。     

一种基于广义S变换增强的柴油机失火故障特征提取方法

为有效提取柴油机缸盖振动信号失火故障特征,提出一种基于广义S变换增强的柴油机失火故障特征提取方法。首先根据柴油机燃烧过程与配气相位的关系对信号进行等角度重采样,然后利用广义S变换对信号进行消噪处理,并按工作循环将信号的周期性瞬态特征进行同步增强。通过仿真信号验证和某柴油机缸盖振动信号的实例应用,结果表明,此方法能有效地提取柴油机缸盖振动信号的失火故障特征,实现失火故障的准确诊断。     

基于融合技术的BP算法在发动机诊断中的应用

主要融合了怠速控制阀信号、喷油驱动器信号及水温传感器信号,设计了通过提取信号特征值,应用神经网络故障识别系统诊断发动机怠速不良故障。信号特征以各自信号的特点提取,其中怠速控制阀信号为脉宽调制信号,选取脉宽及幅值等参数为特征;喷油驱动器信号也为脉宽调制信号,选取喷油时间和峰值电压等为特征;水温信号因其为慢速变化信号,取不同阶段的水温为特征。神经网络的BP算法加入动量项法和动态参数两阶段调整法进行改进。     

基于声强与神经网络技术的发动机故障诊断

根据发动机的结构特点,将其表面划分成不同的测试区域进行声强信号采集;依据声强特征,确定不同区域对应零部件的工作状况;利用模块化神经网络,建立基于声强特征的故障诊断模型,该模型中包含发动机低速与中速诊断模块、决策模块和故障知识库;在建模过程中,利用特征函数强化故障特征作为网络输入。结果表明,该方法具有诊断精度高、速度快、实时自学习等特点,为建立更为完善的发动机智能化故障诊断系统提供新途径。     

MATLAB在汽车发动机振动频率检测中的应用

汽车发动机振动频谱分析在机械故障诊断中有着重要意义。采用STM32单片机采集振动加速度数据,运用MATLAB软件自带FFT函数对加速度数据进行时域-频域信号转换,获取发动机振动频谱特征,为发动机振动检测提供诊断依据。实验表明,采用该方案能够在硬件成本较低的情况下,实现发动机频谱分析。