基于分形特征和神经网络的柴油机故障诊断

针对现有柴油机故障诊断方法的不足,提出了一种基于分形特征和神经网络的诊断方法。讨论了关联维数的计算方法,利用Lab VIEW虚拟仪器开发平台,组建了一套基于声信号关联维数的柴油机故障诊断系统。计算了柴油机在不同工况下声音信号的关联维数,设计一个BP神经网络实现了柴油机故障诊断并进行离线训练,并进行试验验证,结果表明该方法能有效检测故障。     

基于多源信息融合的柴油机故障诊断方法

为提高柴油机这一复杂系统的故障诊断精度,在采集缸盖声发射信号、缸盖振动信号和机体声发射信号特征信息的基础上,利用3个BP神经网络进行局部诊断并获得证据体,对各证据体应用D S证据组合规则进行决策融合。针对D S证据理论在处理冲突证据时存在的局限性问题,提出一种多源加权融合的故障诊断方法。该方法利用各证据体对命题识别的正确率和证据体之间的距离对各证据体进行修正。故障模拟试验表明:提出的方法可提高柴油机的故障诊断精度,充分验证其应用在柴油机故障诊断中的可行性。     

基于EMD柴油机气阀声发射诊断技术试验研究

以4120SG柴油机为研究对象,通过故障模拟试验测试了柴油机在气阀正常状态、气阀漏气状态下的缸盖声发射信号,对燃烧段声发射信号进行经验模态分解(Experience Mode Decomposition,EMD),计算了各个本征模分量(Intrinsic Mode Function,IMF)的能量分布及EMD能量熵。研究表明声发射信号能量主要集中在前3个IMF分量内,随着气阀漏气故障严重程度的增加,代表最高频IMF1分量能量相对增加,而能量熵H减少。通过自定义特征参数,提高了声发射应用于柴油机气阀漏气诊断方法的灵敏度。     

基于小波包分析理论的柴油机故障诊断方法

柴油机在运行过程中会产生各种振动,这些振动包含着各系统、各零部件技术状态的有用信息.当某系统或部件发生故障时,首先会在振动信号中有所反映,因此,对振动信号分析处理,就能提取出故障信息来源.目前,对柴油机振动信号的研究还有一些难题有待解决,研究基于振动信号的柴油机故障诊断方法对解决这些难题具有一定的理论意义和实际价值.本课题运用DEWE2010燃烧分析仪以及各种传感器采集数据,通过小波包分析理论方法,并结合DEWE-SOFT软件和Matlab工具箱对4190ZC柴油机进行故障诊断方法的分析研究.     

基于双树复小波包和PNN的柴油机故障诊断研究

针对传统小波变换在故障特征提取中的不足,提出一种基于双树复小波包和概率神经网络(PNN)的故障诊断方法。首先通过双树复小波包变换将各个工况的柴油机声信号分解得到不同频带的分量,选取各频带分量的能量作为特征向量,再利用PNN对特征向量进行训练,最后通过测试样本得到柴油机典型故障诊断结果。实验表明,该方法可以对柴油机典型故障进行较为准确的诊断,相比传统小波包有着更高的故障诊断率。     

利用振动噪声信号诊断柴油机故障研究的现状与发展

简述了利用扭转振动、噪声、缸盖系统振动、机身及侧面振动等振动噪声信号监测柴油机状态和诊断柴油机故障的原理和方法,介绍了国内外这方面研究的现状;归纳了利用振动噪声信号诊断柴油机几种典型故障的研究发展方向,以及故障诊断中采用不同方法的优缺点;最后总结了近年来柴油机故障诊断的几种较新的发展趋势.     

振动信号监测的船用柴油机配气机构故障分析方法

船用柴油机配气机构故障复杂多样,传统船用柴油机配气机构故障分析方法无法描述故障类型,导致故障分析正确率低,误判现象严重,为了提高故障诊断正确率,提出基于振动信号监测的船用柴油机配气机构故障的分析方法。首先分析船用柴油机配气机构故障研究思路,并提取船用柴油机配气机构故障相关的振动信号,然后从船用柴油机配气机构故障相关的振动信号提取特征,运用层次分析法确定特征的权值,并采用改进支持向量机建立船用柴油机配气机构故障诊断模型,最后采用具体数据对船用柴油机配气机构故障诊断方法进行测试。结果表明,相对于其他故障分析方法,本文方法可以更好区别各种船用柴油机配气机构故障,提高了故障分析正确率,降低了故障的误判现象,具有很高的实际应用价值。     

高频冲击信号下击穿柴油机敲缸故障诊断系统设计

传统的故障诊断系统容易受内部运动部件惯性力的影响,无法准确判断故障原因,为此,提出高频冲击信号下击穿柴油机敲缸故障诊断系统设计。系统硬件由振动传感器、信号调理器、数据采集卡这3个硬件结构组成,主要负责采集和处理振动信号;系统软件是在LabVIEW开发平台完成的,主要负责测试待读取采样和电压信号。软、硬件结合完成高频冲击信号下击穿柴油机敲缸故障诊断系统的设计。实验分别测试2个系统测量A1缸的振动信号,在根据获取的一系列参数进行计算误差分析,实验结果表明,所建系统在采集精度上明显高于传统的故障诊断系统,能够准确判断击穿柴油机敲缸的故障原因。     

船用柴油机故障诊断多信息融合技术研究

为了解决船用柴油机故障诊断中基于单传感器信息的方法诊断精度低的缺点,应用神经网络原理,提出了一种基于气缸压力,缸盖振动信号和燃油压力等多传感器信息融合的喷油器故障诊断新方法。通过提取船用柴油机工作过程故障三种信号的八个特征值,按正常和五种故障状态的构造学习样本文集和检验样本文集,对输入进行归一化处理,该方法能有效地提高其故障诊断精度。     

船用柴油机人工智能故障诊断应用综述

智能船舶代表了船舶未来的发展方向,柴油机作为船舶主要驱动设备,其故障诊断对智能船舶的安全性和可靠性具有重要意义。人工智能有效地解决了传统故障诊断方法存在的问题,基于人工智能方法的柴油机故障诊断技术成为近些年的研究热点。本文总结人工智能在柴油机故障诊断中的研究进展,对迁移学习应用到柴油机故障诊断中的前景进行展望,分析了柴油机故障诊断的研究趋势和面临的挑战。     

基于RBF神经网络的船用低速柴油机故障诊断系统

为确保船舶海上运输的安全性与稳定性,设计基于RBF神经网络的船用低速柴油机故障诊断系统.使用多传感器采集船用低速柴油机各关键构件信号,并对信号进行预处理,运用过限判断模块获得故障信号,RBF神经网络依据故障信号特征进行船用低速柴油机故障诊断和故障程度判断.实验结果表明,该系统能有效滤除信号中的无用高频信号,故障诊断结果...     

基于小波能量谱分析与SVM的柴油机气阀间隙异常故障诊断

船舶动力设备因故障监测信号样本少、变化缓慢、数据特征呈非线性,使得设备故障模式的准确识别和状态预测比较难。尤其是柴油机气阀间隙异常的故障诊断,由于柴油机气阀间隙振动信号噪声多,利用SVM对柴油机气阀间隙进行预测时需要进行特征提取。鉴于此,研究了基于小波能量谱分析的SVM柴油机气阀间隙的故障诊断方法,结果表明上述模型具有较高的识别率,能准确预测船舶动力设备当前状态。     

基于共振解调技术的船舶柴油机故障诊断研究与仿真

柴油机推进是最可靠、最成熟的船舶推进技术。目前,几乎所有的大吨位舰船都采用了柴油机推进。在船舶运行过程中,柴油主机可能会出现磨损、变形、腐蚀等故障,严重影响船舶的正常运行。振动信号分析是船舶柴油机故障诊断的重要方式,柴油机的振动信号包含大量信息,柴油机的齿轮、轴承等发生故障时会产生各种冲击信号,采用共振解调技术分析这些振动信号,可以有效的获取故障类型和严重程度,有助于提高船舶柴油机故障诊断的水平。本文系统介绍了柴油机故障的类型,并研究了基于共振解调技术的柴油机故障诊断与仿真分析。     

高速柴油机气门漏气故障的振动诊断

本文介绍利用柴油机缸盖表现振动信号诊断高速柴油机气门漏气故障的研究。本文阐明了引起缸盖振动的激励源特征，对气门漏气故障进行了模拟试验，探讨了影响漏气程度的因素，对不同漏气状态下缸盖表现振动信号进行了分析，研究表明：利用柴油机缸盖表面振动诊断气门漏气是可行的，提出了气门漏气故障诊断方法。     

基于HHT边际谱与SVM的柴油机故障诊断方法研究

提出基于希尔伯特黄变换边际谱的柴油机故障诊断方法,对3110型柴油机几种故障工况及正常情况下的缸盖振动信号进行测试,采用抽区间采样分析法对缸盖振动信号进行时域特性分析,得出信号随时间和频率变化的精确表达。尝试以边际谱的最大峰值和最大峰值频率作为特征向量,用SVM分类器对柴油机的工作状态和故障类型识别。实验分析表明,该方法即使在小样本情况下也能准确有效地识别柴油机气门间隙变化和断油故障。     

基于神经网络和红外线成像技术的船用柴油机故障诊断方法研究

柴油发动机是通用船舶广泛使用的动力装置,在复杂恶劣的海上环境中,较易发生故障,传统检测方法主要依靠经验,故障定位较为耗时,其时效性差,需要进行改进。随着计算科学的发展,智能故障定位方法逐渐应用至船用柴油机故障定位系统中,如神经网络﹑模糊算法及大数据分析等。本文分析了船舶柴油机各功能部件,利用红外线对故障部件进行成像检测,设计了基于神经网络的柴油机故障诊断方法,最后对设计模型进行仿真分析。     

基于振动信号的船舶柴油机配气系统故障定位方法

针对船舶柴油机配气系统故障定位问题,提出一种基于振动信号的配气系统故障定位方法。分析配气系统故障发生的原因,并论证通过监测振动信号的变化来进行故障诊断是有效的。具体论述基于振动信号的故障定位方法,对振动信号进行时域特征分析。以柴油机的离线故障数据为例,对该方法的有效性进行验证,结果表明采用该方法能有效地对柴油机配气系统进行故障定位。     

基于小波包振动谱图的柴油机在线故障诊断方法

柴油机是舰船的主要动力装置,针对传统故障诊断方法不能有效提取柴油机故障特征和实现在线诊断的缺点,提出一种基于小波包振动谱图像的柴油机在线故障诊断新方法.该方法首先用小波包对采集到的柴油机振动信号进行分析生成小波包振动谱图;然后利用双线性内插值方法对生成的振动谱图进行数据降维,对降维后的振动谱图进行灰度共生矩阵纹理特征参数提取;最后用分类器对特征参数进行识别,完成故障诊断。将该方法应用于柴油机气门间隙的故障诊断实例中,结果表明,基于小波包振动谱图像的柴油机在线故障诊断方法能快速高效的诊断出气门间隙故障,识别准确率高达99.17%,仅耗时0.24 s,为内燃机故障在线诊断探索了一条新途径。     

船舶柴油机机械磨损故障诊断方法研究

柴油机机械磨损直接影响船舶工作的可靠性,为了获得高正确率的船舶柴油机机械磨损故障诊断结果,设计了局部均值分解和机器学习算法的船舶柴油机机械磨损故障诊断模型。首先对船舶柴油机机械磨损故障信号进行局部均值分解,提取的船舶柴油机机械磨损故障特征,然后引入机器学习算法对船舶柴油机机械磨损故障进行分类和识别,最后进行了船舶柴油机机械磨损故障性能测试。结果表明,本文模型的船舶柴油机机械磨损故障正确率超过95%,而且船舶柴油机机械磨损故障的误诊率相当低,完全能够满足当前船舶柴油机机械磨损故障诊断的实际要求。     

柴油机常见故障分析及诊断

分析了柴油机的故障机理、故障现象及故障成因,研究柴油机的故障诊断方法。总结归纳现有的柴油机故障诊断技术。