基于分形理论的汽车发动机故障诊断分析

针对汽车发动机振动信号的非线性特点,将分形理论应用于发动机的故障诊断。首先分析发动机振动信号的产生机理,并介绍计算关联维数的G-P算法。其次,对采集的振动信号进行分析。结果表明,发动机发生故障时的关联维数与其正常工作时的关联维数不同。因此,关联维数可以较为准确地判断发动机故障情况。     

拟合振动信号模型实现滚动轴承故障诊断

针对现有旋转机械故障诊断模式的缺点,提出通过拟合故障振动信号模型实现滚动轴承故障诊断的方法.首先建立了滚动轴承故障振动信号模型,对原始振动信号做EMD(empirical mode decomposition)分解,并对包含有故障调制信息的IMF(intrinsic mode function)分量做信号重构,最后采用遗传算法对重构信号和故障信号模型做数据拟合,根据拟合结果可知损伤点所在部位和损伤程度.通过在风力发电机组齿轮箱高速端滚动轴承故障诊断中的应用,验证了方法的有效性和实用性.     

发动机滑动轴承故障定量诊断方法

应用振动监测技术,对EQ6100-1型发动机连杆轴瓦与曲柄销间隙故障进行模拟,分析振动响应与故障特征变化关系,从振动信号中提取反映偶件故障的特征参数,选择适当的数学模型描述特征参数随偶件状态的变化规律,实现对发动机滑动轴承间隙故障的定量诊断。试验结果表明:故障系数和连杆轴瓦与曲柄销间隙的关系是显著的,相关曲线为多项式回归曲线,其复相关系数接近1,说明采用振动信号进行发动机滑动轴承间隙故障诊断在实践上是可行的。     

基于支持向量机的电控发动机故障诊断

为快速准确诊断出电控发动机故障,达到较强的故障有效识别水平,提出振动信号分析与支持向量机(support vector machine,SVM)相结合的故障诊断方法。将振动信号的偏度、峰峰值以及由小波分析理论与熵原理结合得到的小波能谱熵作为实验样本的三维特征向量,并将提取到的故障三维特征向量作为训练样本和测试样本输入到SVM模型进行训练和诊断,并利用BP神经网络进行对比验证。结果显示:采用该方法进行故障诊断时正确率达到90%,相比基于BP神经网络的故障诊断方法,基于SVM的电控发动机故障诊断方法在小样本的数据计算和预测中诊断精度较高、鲁棒性较强。     

利用动态数据流分析电喷发动机故障

在对汽车维修时，若仅仅依靠故障代码寻找故障，往往会出现判断上的失误。而使用故障诊断仪进行数据流的检测．动态研究发动机的工作状况，可找出故障所在。     

经验模式分解法(EMD)在滚动轴承故障诊断中的应用

在非平稳过程中,由于机械设备所受的应力比平稳过程中所受的应力更为复杂．因此,对设备的非平稳过程进行监测有利于发现早期故障,避免故障发展导致的严重破坏,本文将EMD（Emirical Mode Decomposition)法应用于机械故障诊断当中．由于EMD法具有自适应的特性,适宜于非平稳信号的分解,该方法应用于滚动轴承的故障振动信号分析中,结果表明谊方法能够突出滚动轴承故障振动信号的故障特性,从而提高了滚动轴承故障诊断的准确性。     

电控发动机的故障诊断

电控发动机的故障诊断比较复杂,按照一定程序、采用合理的方法进行故障诊断,能准确确定故障部位、判断故障原因,便于快速排除故障。介绍电控发动机的故障诊断程序、电控发动机的直接诊断法、基本检查方法、利用随车故障自诊断系统诊断和故障征兆模拟试验方法。     

基于遗传BP神经网络的电控发动机故障诊断研究

为提高发动机故障诊断的正确率与精确度,提出遗传算法和BP神经网络相结合的故障诊断模型。将发动机部分尾气信息和传感器数据作为BP神经网络诊断模型的输入变量,利用遗传算法的全局搜索能力优化BP神经网络的初始权值和阈值,采用优化后的BP神经网络建立发动机故障的诊断模型。实验结果表明该诊断模型可提高发动机故障诊断的正确率。     

电控发动机油路及电路的故障检修

电控发动机的故障诊断比较复杂,必须采用合理的方法进行故障诊断,才能准确判定故障部位及其故障原因,便于快速排除故障。介绍电控发动机存在故障的判断方法以及电控发动机油路、电路的检查方法。     

电喷发动机怠速不稳故障的分析与排除

从分析电喷发动机怠速不稳故障排除的基本原则及故障诊断的基本步骤与方法入手,通过对故障现状的举例,对发动机常见怠速不稳故障诊断方法与排除步骤进行论述。     

基于LabVIEW的柴油机振动信号测试与分析

文中介绍了基于LabVIEW开发平台的柴油机缸盖振动信号采集与分析,结合PCI-4472开发了数据采集系统。利用LabVIEW和Matlab的强大功能,编写信号分析与模式识别程序,模拟柴油机气阀漏气和气门间隙异常等故障,获取3110柴油机缸盖振动信号并建立AR与RBF神经网络结合的诊断模型进行了故障识别,这对于实现故障诊断的数字化与智能化有重要的意义。     

基于神经网络方法的柴油机气缸压力识别

分析了柴油机气缸盖系统激励和响应信号的非线性特性,阐述了基于BP神经网络的柴油机气缸压力识别方法.对测试的振动响应信号进行时域统计平均和低通滤波后,训练BP神经网络,利用自适应梯度下降算法,自适应调节学习速率,提高网络精度,识别柴油机气缸压力.结果表明,恢复出来的缸内压力信号和实测信号十分接近,该方法对柴油机的实时在线控制、监测和故障诊断有重要的应用价值.     

基于最大信噪比算法在缸盖振动信号中的分离研究

对柴油机缸盖表面振动信号进行分析处理,可以判定内部零部件的状态以及柴油机的工作状态,但实际上由于各路信号时域和频域有混叠,很难准确分离．针对现有内燃机监测诊断信号分析方法的不足,研究了基于最大信噪比的盲源分离算法．该算法将求优过程转化为广义特征值问题求解,整个过程无须迭代．通过对仿真振动信号的分离表明其有效性,从试验对象某四缸柴油机上拾取实测缸盖振动信号处理,结果显示了该算法在柴油机故障监测诊断上有良好的应用前景．     

柴油机故障诊断技术的研究

本文以MAN B&W 8L21/31型柴油机为研究对象,测量分析了柴油机正常态和故障态的柴油机瞬时转速、扭转振动和示功图,进行了基于瞬时转速、扭转振动和示功图的柴油机故障诊断技术的研究。     

柴油机气门漏气故障时频分析诊断研究

气门是柴油机的关键部件之一,故障率较高,如果出现故障将严重影响柴油机的性能.文中介绍了时频分析理论.利用时频分析方法对柴油机正常和排气门漏气故障状态下的缸盖和机体表面振动响应信号进行了分析,2种状态下结果区别明显,说明时频分析方法能够应用于柴油机的故障诊断和状态监测.     

基于信号预处理和Hilbert变换的滚动轴承故障诊断

针对滚动轴承振动信号复杂和非平稳的特点,及故障信号常常淹没于各种噪声的情况,先利用消除趋势项和小波降噪对包含故障信息的信号进行预处理,再应用Hilbert变换对信号进行包络解调和频谱分析,提取滚动轴承故障特征频率,并判断其故障模式.对滚动轴承内圈、外圈和滚动体故障的诊断试验,证明了信号预处理和希尔伯特(Hilbert)变换相结合的方法对滚动轴承内圈和外圈局部损伤故障的诊断是有效的和可行的,但不能很好地检验出轴承滚动体的故障特征     

基于时频分析的柴油机活塞环故障振动诊断研究

活塞环是柴油机的关键部件之一，如果出现故障将严重影响柴油机的性能．文中介绍了时频分析理论，利用时频分析方法对柴油机正常和活塞环故障状态下的机体表面振动信号进行了分析，提取了特征信息，两种状态下结果区别明显，说明时频分析方法能够作为柴油机的故障诊断和状态监测的有效工具和方法．     

用模糊理论诊断中冷器故障的研究

提出了一种不解体诊断中冷器技术状态的新方法,通过检测中冷器增压空气流动阻力、空气和冷却水进、出口温度等,提取反映中冷器技术状态的特征参数,成功地诊断了中冷器的技术状态及典型故障.
     

Feature Extraction of Bearing Vibration Signals Using Second Generation Wavelet and Spline-Based Local Mean Decomposition

In order to extract the fault feature frequency of weak bearing signals,we put forward a local mean decomposition(LMD)method combining with the second generation wavelet transform.After performing the second generation wavelet denoising,the spline-based LMD is used to decompose the high-frequency detail signals of the second generation wavelet signals into a number of production functions(PFs).Power spectrum analysis is applied to the PFs to detect bearing fault information and identify the fault patterns.Application in inner and outer race fault diagnosis of rolling bearing shows that the method can extract the vibration features of rolling bearing fault.This method is suitable for extracting the fault characteristics of the weak fault signals in strong noise.