基于交叉小波变换与Teager算子的柴油机燃烧特征增强方法

为更有效地对柴油机燃烧进行监测和诊断,提出一种基于交叉小波变换与Teager能量算子的柴油机燃烧特征增强方法。首先利用交叉小波变换对柴油机缸盖振动信号进行时频相干分析,以衰减甚至消除随机噪声干扰,然后进一步采用Teager算子对于柴油机燃烧时频特征进行增强。仿真和实际信号分析结果表明,该方法有助于柴油机燃烧特征的提取和失火故障的诊断。     

基于S变换的柴油机燃烧差异的诊断研究

分析了传统的基于平稳过程的傅里叶变换存在的局限性,采用了S变换时频分析法对振动信号进行分析。对比不同燃烧状况时的缸内压力曲线、压升率曲线及振动信号S变换的结果,表明振动信号S变换得到的时频图像同缸内燃烧过程有密切的关系。为了便于对各缸的燃烧状况进行定量分析,提出了利用时频域内各点的幅值和表征各缸燃烧差异的新方法。在4缸柴油机上进行模拟试验对该方法进行验证,结果验证了该方法的有效性。     

基于缸盖振动信号分析的柴油机失火故障检测

用小波软阈值降噪的方法提高了柴油机缸盖振动信号的信噪比。对降噪后的振动信号进行了功率谱分 析,通过比较单缸断油前后功率谱的变化,找到了缸盖燃烧冲击振动的频段。以频段内振动信号的能量与总能量 的比值为诊断参数,识别了柴油机的失火故障。用实测数据证明了该方法的有效性。     

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。     

关于缸压传感器替代发动机凸轮轴和曲轴位置传感器的研究

为开发基于缸压的发动机燃烧控制系统,在一台高压共轨柴油机上,利用一组兼有电热塞功能的压阻型缸压传感器,通过构建缸压预测模型,分析了发动机的气缸识别、相位估计和转速估计方法,探讨了用缸压信号替代凸轮轴和曲轴信号的可行性。结果表明,缸压传感器可以替代凸轮轴和曲轴位置传感器进行判缸,所建的发动机相位和转速估计模型具有较高的精度。     

柴油机故障诊断相关技术研究

在柴油机的故障诊断中,利用柴油机工作时缸盖的振动信号进行故障诊断,作为一种不解体,不停机的在线检测,具有很强的实际应用价值。本文在分析了五种工况缸盖振动信号所包含的特征后,提出了分段后提取多个特征参数,并输入多个神经网络的方法,     

基于缸盖振动信号的柴油机多工况气缸压力识别方法研究

对某12150型柴油机进行了缸内燃烧激励的瞬态动力学计算,分析了其缸盖振动的位移、速度和加速度与缸内燃烧特征参数的对应关系。接着在此基础上,对实测振动加速度进行数字积分和平均滤波得到振动位移信号,并利用希尔伯特包络和滑动平均法提取了振动位移的趋势项。再以该趋势项为输入参数构建了Adaboost_BP集成神经网络模型,最后利用此模型对不同工况下的缸内压力进行识别。结果表明:振动位移趋势项与缸内压力的良好对应关系和参数本身的简洁性有效降低了神经网络输入的复杂度,提高了神经网络的训练效率;集成神经网络模型能够准确识别不同工况下的缸内压力,其泛化性和精度均有大幅度提高。     

基于单振动传感器的多缸柴油机失火诊断

通过模拟某12缸柴油机各缸失火试验,对缸盖振动信号中各缸爆发响应信号进行分析,研究表明,各缸爆发在同一测点均会引起振动响应,响应信号的频谱成分不变,幅值变化满足本缸准则及邻缸准则.基于主序列法在不依赖上止点传感器的情况下提取各缸爆发信号的相对幅值,通过判断相对幅值的变化率实现了对传感器所在气缸排各缸失火故障的诊断及定位...     

基于声学信号的柴油机燃烧始点观测方法研究

鉴于燃烧相位观测的重要性和基于缸压信号的传统燃烧相位观测方法成本高、寿命短,实际应用受到限制,本文中对采集到的高压共轨柴油机声学信号进行时频联合分析,研究声学信号与缸内燃烧始点之间的关系。将未燃烧阶段的声学信号抽象为高斯噪声,分析了声学信号特征量与缸内燃烧始点之间的相关性,采用多项式回归建模的方法,建立了基于声学信号的高压共轨柴油机燃烧始点观测模型。测试结果表明,该模型能比较准确地观测到燃烧始点,其均方根误差为1°CA左右。     

山岭隧道爆破振动信号小波包及能量分析

采用MATLAB傅里叶变化和小波包变换对实测爆破振动信号进行时频分析,画出对应的变换频谱图、小波重构波形图,通过对比爆破信号的重构波形图结果,分析2种不同方法的优缺点,探讨爆破振动信号的多主频带和能量分布特征以及小波包分析法的优势,找出相关优势频率段。研究表明,小波包分析能更好地体现爆破振动信号的多主频分布特征,其能量分布较为集中,优势频带包含了振动信号70%以上的能量。     

小波包分解与共振解调分析在发动机配气机构磨损故障特征提取中的应用

以常见的机械磨损故障——气门间隙过大故障为例进行了试验研究,提取缸盖振动加速度信号进行分析,发现故障状态的时域信号有明显低频周期性冲击,但在频谱的低频区间未现冲击频率;同时,在故障状态频谱中,3 000~4 500Hz范围的高频段振动能量有显著增加。通过小波包分解方法对信号分解至该故障特征频段,再进行希尔伯特解调分析,解调谱现显著的对应低频冲击的频率成分,可作为故障识别特征。分析结果表明,气门间隙过大故障造成的冲击引起缸盖或其部件共振调制现象,综合运用上述时域、频谱和共振解调分析,可对配气机构磨损故障进行故障特征提取,从而为准确诊断故障提供依据。     

基于缸盖振动的柴油机喷油、燃烧信息检测研究

对某V型12缸柴油机缸盖振动燃烧段信号进行分析,研究了针阀落座、缸内爆发响应信号的时域特点及频域特点.利用数字积分法由加速度信号获得速度信号,通过峰值速度表征最大压力升高率,峰值速度位置表征最大压力升高率出现时刻,峰值前拐点位置表征燃烧始点.利用动态双阈值进行针阀落座信号时间检验,落座信号开始点表征落座时刻,峰值加速度...     

EEMD和SVM在发动机故障诊断中的应用

针对发动机缸盖振动信号的非线性非平稳特征,提出一种总体平均经验模态分解(EEMD)和支持向量机相结合的信号分析及故障诊断方法,该方法利用EEMD算法以及IMF序列和原始振动信号之间的相关系数,有效放大故障诊断特征向量的差异。对原始振动信号进行EEMD分解,得到各阶特征模态函数(IMF),求各阶IMF分量对应于原始信号的相关系数并组成故障分类特征向量。分别将IMF相关系数法和IMF能量分布法得到的特征向量作为输入,建立BP神经网络和支持向量机,判断发动机工作状态和故障类型。分析表明,对IMF求相关系数的方法简便易行,能有效放大不同工况下特征向量的差异,结合支持向量机能够对既定机型的配气机构和点火系常见故障进行准确识别。     

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。     

基于零空间追踪和SWT的柴油机信号降噪研究

为减少柴油机振动信号的噪声干扰,提取有用的信息,提出了一种基于零空间追踪算法和同步压缩小波变换相结合的组合降噪方法,利用压缩小波对主频信号精细重构的优点与零空间追踪算法的自适应分解的特点对信号进行降噪处理。该方法相比 EMD 更加适应柴油机振动信号特点,仿真和实例信号表明,该方法取得了较好的降噪效果。     

小波包能量特征法在汽车变速器轴承故障诊断中的应用

归纳和总结了小波神经网络轴承故障诊断法的实施步骤,阐述了小波包的原理,并以变速器轴承故障诊断为例,提取了小波包节点能量作为反映变速器轴承故障类型的振动信号特征参数,并用这些特征参数训练BP神经网络进行故障模式识别。结果表明,如果神经网络设计合理,训练适当,则具有很强的故障识别能力。说明了利用小波包能量法和BP神经网络进行变速器轴承故障诊断是可行而且有效的。