基于振动信号的发动机故障诊断方法分析

介绍了小波分析和小波包分析故障振动信号特征提取方法,对基于神经网络、专家系统、故障树、模糊理论的振动信号智能故障诊断方法进行了阐述,并阐明了多种智能诊断方法相结合是今后发动机故障诊断研究的主要方向。     

峭度分析法在发动机噪声信号故障特征提取中的应用

将峭度分析法引入发动机噪声信号故障特征提取中。基于连续小波变换对信号时间-尺度特征的细致刻画功能,提出了噪声信号中瞬时特性的峭度敏感特征参数计算方法,对不同转速不同工况下的发动机噪声信号进行了基于尺度-峭度的特征提取。研究结果表明,峭度结合连续小波变换能够很好地提取发动机噪声信号的故障特征。利用连续小波变换的尺度-峭度分析,能够有效提取噪声信号不同转速不同工况下的故障特征,为发动机的状态监测与故障诊断提供了重要的理论和现实依据。     

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。     

基于小波免疫系统的车辆总成故障检测

匹配算法。根据小波分析和人工免疫系统的原理，提出了一种基于小波变换和免疫系统的故障诊断系统。针对小波分析的特点，将其用来对非稳定信号进行分析，获取信号特征向量作为原始数据，利用匹配算法对原始数据进行己-非己分析。将此系统应用到车辆总成故障诊断中，取得了良好的效果。     

小波包分解在氢发动机异常燃烧诊断中的应用

氢发动机燃烧压力信号包含了丰富的燃烧信息,基于压力信号可以应用小波变换法提取异常燃烧信息。鉴于小波包分解继承了小波变换所有的时频局部化优点,并且可以有效地提取微弱燃烧信息,从而能够为信号提供更精细的分析方法。对氢发动机正常燃烧和异常燃烧压力信号进行了小波包分解,提取出小波包能量。通过构造小波包能量特征向量,对氢发动机异常燃烧进行了有效诊断,为消除氢发动机的异常燃烧提供了技术基础。     

小波能量商在汽车发动机故障诊断中的应用

考虑发动机断火之后对振动信号的影响,基于4层小波包分解重构信号能量,构造了小波包能量商无量纲指标.通过该指标提取发动机断火前后信号的能量特征作比商,充分考虑了断火之后振动信号能量的阶跃特性,定量分析断火后信号能量变化的程度.采集东风EQ6100汽油发动机缸体正常、活塞敲缸异响、活塞销异响以及曲轴轴承异响等4种工况的振动信号,并应用小波能量商指标对试验信号进行分析,取得很好的效果.试验结果表明,小波能量商可以对发动机不同故障准确地识别分类.     

小波包和SVM在发动机故障诊断中的应用

针对发动机的故障特点,提出了一种基于小波包和支持向量机(SVM)的发动机故障诊断方法。利用信号能量在小波包空间的分布特性,采用基于能量的自适应去噪方法,提取反映故障的特征向量,并基于SVM理论构建了针对发动机的多故障分类器。试验结果表明,该方法具有故障分类与识别能力。     

神经网络信息融合方法在电控发动机故障诊断中的应用研究

利用虚拟仪器技术研制了数据采集与处理系统，可对发动机进行实时数据的采集、历史数据和暂态数据的显示，以及数字滤波、频谱分析、波形显示等方面的数据后处理。以电控发动机常见的故障现象——怠速不稳为例，研究了一种特征层信息融合方法——基于神经网络的信息融合技术在电控发动机故障诊断中的应用。     

一种坦克发动机电起动系统故障诊断新方法

基于起动电流信号中非平稳特征能有效反映坦克电起动系统的故障状态,提出一种坦克电起动系统故障诊断的新方法。应用小波奇异性检测技术,对起动电流信号中的奇异点进行定位和诊断。针对某型坦克的实际应用表明,基于小波奇异性分析的电起动系统故障诊断方法能有效提取起动电流信号中的关键特征信息,实现电起动系统常见显性和隐性故障的准确诊断及定位。     

汽车发动机故障诊断系统的虚拟样机硬件研发

发动机是汽车的心脏,影响到汽车行驶的动力性和经济性,伴随着资源的匮乏和道路的拥挤,人们对发动机提出了越来越高的要求。电控发动机已逐渐发展成为集电子技术、计算机技术、信息技术于一体的智能控制系统,这也给汽车维修人员提出了更高的技术要求,传统的发动机故障诊断方法已经很难满足现代发动机故障诊断的要求。由于神经网络具有容错、联想、推测、记忆、自适应、自学习和处理复杂多模式的独特功能,利用虚拟仪器技术和神经网络技术相结合的方法,可方便快捷地对发动机不同工况进行实时数据采集,并对采集的数据作有效的分析,直接给出诊断结果,这样可使汽车发动机故障诊断在一定程度上实现自动化和智能化。     

基于SAE J1939协议的发动机虚拟仪表系统的开发

借助USBCAN-Ⅱ接口作为发动机控制器总线和PC机的硬件接口,开发了基于CAN总线的发动机虚拟仪表系统。该系统在C#开发环境下开发,利用Dundas公司的软件平台进行虚拟仪表的可视化开发。该系统不仅能够模拟真实的仪表功能,提供实时查询发动机参数数据功能,而且增加了故障诊断功能,实现了发动机的在线监测、检测功能。     

基于振动信号的柴油机进排气系统故障诊断研究

提出了一种根据柴油机气缸盖振动信号诊断进排气系统故障的方法 ,介绍了对柴油机的振动信号进行小波降噪和小波分解 ,提取相应特征向量 ,然后将振动样本的特征向量作为径向基函数神经网络的输入参数 ,以故障类别作为输出参数训练该网络 ,训练后的神经网络可以利用测量的振动信号来判断柴油机的故障状况。仿真和试验证明该方法有效可行     

基于粗糙集的特征值优化及柴油机故障诊断

为提高故障诊断的效率,给出了一种基于粗糙集理论的柴油机故障诊断系统。以某大功率柴油机为例,采用时域频域分析和小波包能量谱分析两种方法提取特征值,通过对比优选,将敏感性和稳定性较好的小波包能量谱特征值应用粗糙集理论进行优化,最后通过神经网络进行故障模式分类。试验表明,小波包能量谱分析方法可以提取敏感性和稳定性较好的特征值,粗糙集理论的特征属性约简能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。     

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。     

基于尾气分析的发动机故障诊断技术的研究与实践

车辆自诊断技术是诊断发动机故障的重要手段,然而对于发动机的机械故障和无故障信息存储的电气故障的诊断,自诊断技术则无能为力。尾气检测与分析技术为发动机多种疑难故障的诊断提供了有效途径。本文主要阐述了基于尾气检测与分析技术的发动机故障诊断的技术要点,诊断规律的试验研究及应用,旨在提高发动机故障诊断的有效性。     

关于虚拟技术在设备信号诊断中的应用研究

文章介绍了虚拟仪器的发展现状、系统结构优势和应用环境。以模块化、高效化为切入点详细阐述了如何将虚拟仪器技术运用于信号诊断系统中,以便能完成对于设备状态的实时监测和预警。为虚拟仪器技术在汽车主机厂设备信号诊断领域的开发和应用提供了思路。文末展望了虚拟仪器技术在主机厂的应用前景。     

基于虚拟仪器的移动电站动力检测平台设计

基于LabVIEW虚拟仪器开发工具,设计完成了移动电站动力检测平台,能够实现内燃机参数测量、内燃机性能试验、内燃机故障模拟以及满足科学研究的需求;平台测试系统具有集成性、实时性、可控性、开放性及易操作性等特点。     

柴油机故障诊断专家系统知识库设计

在分析柴油机故障诊断知识特点的基础上,采用模糊化方法对柴油机运行状态参数进行处理,采用综合型知识方式来表达柴油机故障诊断知识,采用多库多层次的方式组织知识库,并对知识库采取一系列方式进行管理与维护。应用表明,柴油机故障诊断专家系统的预报准确率较高,具有较强的实用性。     

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%。