基于BP神经网络的船用柴油机振动状态监测

通过监测柴油机表面振动信号,用时间序列分析方法提取柴油机故障的振动特征参数,以此建立相应的神经网络,用于船用柴油机的状态监测,提高诊断的准确性。试验研究在中速四冲程增压柴油机上进行。文中以柴油机气阀间隙异常的诊断和柴油机负荷状态的识别为例阐述了该方法的实现过程,并给出了振动信号的特征参数与柴油机工作状态之间的关系。研究表明,利用神经网络监测柴油机运行状态的变化是可行的和有效的。     

柴油机气缸盖振动特性的时间序列模型

用时间序列法研究了柴油机气缸盖的动态特性，通过引入虚拟系统的概念，利用缸盖表面振动信号的自回归滑动平均模型（ARMA模型）求出了实际缸盖系统的传递函数，并将其应用于重建缸内气体压力曲线，为柴油机的振动噪声控制，状态监测，状态监测，以及缸内气体压力的识别提供了一种有效的方法。     

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.     

柴油机振动监测与诊断技术的现状及发展趋势

介绍了振动监测与故障诊断技术在中应用的特点及技术难点，以作者在柴油机振动诊断研究中的实例介绍该项技术的现状及发展趋势     

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。     

人工智能技术在船舶柴油机振动监测中的应用

传统船舶柴油机振动监测数据与实际柴油机振动参量存在一定的偏差,为了提升船舶柴油机振动监测数据的精准度,提出人工智能技术在船舶柴油机振动监测中的应用。在人工智能技术支持下,首先对船舶柴油机振动监测传感器结构进行参量校准;接着在感应数据标准值下对柴油机曲轴振动数据进行异常信号的分析处理计算;然后对分析后的异常信号源进行提取计算,完成对柴油机振动监测的全局计算。通过对比实验结果表明,提出方法具有提升监测值精准度的作用。     

利用现代信息处理技术分析扭振实施柴油机工况监测

ＴＮＯ－ＦＥＬ试验完成了柴油机工况监测系统用试验样机。该系统已成为将现代信息处理技术用于荷兰海军项目中的一个研究范例。该系统的用途在于给操作者提供机器运行状态的高电平信息,它主要针对柴油机轴向扭转振动的分析。这意味着该系统仅需要一个非常坚固的扭转振动传感器。建立一个大型扭转振动数据库之后,该系统可监测不同振型和各种故障（例如,柴油机的一缸或多缸没有燃烧或部分燃烧）。利用先进的信息处理和特征提取技术     

柴油机振动监测诊断研究

文章对某型舰柴油机的振动监测的重要性和测试方法进行理论分析。在振动测试取得大量数据的基础上。分析得出了该柴油机的监测，报警和停机修理曲线。     

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。     

基于虚拟仪器的柴油机振动监测系统简介

建立基于虚拟仪器开发平台的柴油机振动监测系统,结合功能强大的数据库,通过分析监测结果,有效地对柴油机运行状态及工作性能进行动态监测,并对它的运行状况做出评估、诊断故障和预测趋势,实测表明,该系统对柴油机故障诊断是可靠的、有效的。     

基于CEEMD-参数优化Morlet小波变换的柴油机振动信号冲击特征提取方法

针对船舶柴油机振动产生的非平稳信号，提出一种基于完备的总体平均经验模态分解（complementary ensemble empirical mode decomposition, CEEMD）与参数优化Morlet小波分析相结合的振动信号特征提取方法。利用CEEMD方法对振动信号进行分解，在分解出的各种分量中，去掉无用的周期成分分量，保留含有冲击特征的分量，然后结合参数优化Morlet小波分析方法，根据Morlet小波与冲击信号的相似性，将冲击成分提取出来。通过仿真信号以及柴油机振动信号的应用分析验证了该方法对柴油机振动信号冲击特征提取的有效性。     

某V型高速柴油机振动测试及动力学分析

针对某艇主机12缸V型高速柴油机振动过大的问题,开展柴油机动力学分析与振动测试,得到各主要工况下的振动响应。研究结果表明,柴油机振动干扰成分丰富,且分布在很宽的频域上,主要干扰频率为基频的0.5阶、1.0阶及3.0阶,设计时应重点考虑隔振系统刚度与主要干扰阶次的关系。对主机振动过大的原因进行分析,结果表明引起共振的干扰频率、存在激励力或结构局部共振、柴油机结构轻量化及刚性较低是主要影响因素,对柴油机减振设计具有指导意义。     

基于最小二乘法的曲轴振动不平衡信号分析

曲轴机构振动是柴油机整体振动的核心,加强柴油机曲轴机构的动态特性分析是研究柴油机振动机理和实施振动监测与故障诊断工作的重要内容。文章首先对曲轴机构的不平衡原因进行综合分析,然后设定曲轴振动信号,并结合最小二乘法原理对曲轴振动信号进行拟合,最后利用实验数据进行曲轴振动信号的不平衡量分析,并验证了本课题研究方法的可行性,为异常不平衡信号测取与分析提供方法与依据。     

船舶动力系统中齿轮箱故障特征提取与模式识别方法研究

A marine propulsion system is a very complicated system composed of many mechanical components.As a result,the vibration signal of a gearbox in the system is strongly coupled with the vibration signatures of other components including a diesel engine and main shaft.It is therefore imperative to assess the coupling effect on diagnostic reliability in the process of gear fault diagnosis.For this reason,a fault detection and diagnosis method based on bispectrum analysis and artificial neural networks (ANNs) was proposed for the gearbox with consideration given to the impact of the other components in marine propulsion systems.To monitor the gear conditions,the bispectrum analysis was first employed to detect gear faults.The amplitude-frequency plots containing gear characteristic signals were then attained based on the bispectrum technique,which could be regarded as an index actualizing forepart gear faults diagnosis.Both the back propagation neural network (BPNN) and the radial-basis function neural network (RBFNN) were applied to identify the states of the gearbox.The numeric and experimental test results show the bispectral patterns of varying gear fault severities are different so that distinct fault features of the vibrant signal of a marine gearbox can be extracted effectively using the bispectrum,and the ANN classification method has achieved high detection accuracy.Hence,the proposed diagnostic techniques have the capability of diagnosing marine gear faults in the earlier phases,and thus have application importance.     

基于LabVIEW的船舶柴油机不同工况下的机身振动信号分析

机身振动信号对船舶柴油机故障的识别具有重要作用,可为故障的分析提供重要的参数,因此编写了基于LabVIEW的柴油机振动信号的采集与分析系统,应用搭建的平台在正常工况和几种典型的故障模式下进行振动信号的采集与分析试验。从采集到的状态信号中提取与设备故障密切相关的机身振动信号进行时域、频域和幅值域的分析,同时通过各特征参数的分析对柴油机进行简单有效的故障诊断与识别,并根据计算得出的特征值的变化趋势来分析确定信号中故障的发生与发展,及时对故障作出分析诊断。这对保证船舶安全航行以及对设备实行预知维护都具有十分重要的意义。     

基于多体动力学仿真的柴油机传动齿轮故障机理与监测方法研究

针对现有船用柴油机热工参数无法有效监测报警传动齿轮故障的问题,基于柴油机普遍缺失振动监测数据,难以有效提取故障特征的现状,采用多体动力学仿真技术研究柴油机齿轮载荷与曲轴止推轴承磨损之间的内在关联,基于仿真结果提取传动齿轮故障条件下的振动信号特征;采用实际故障案例振动数据,提取传动齿轮箱振动信号的时域、频域特征,实际特征变化规律与仿真结果一致,检验了本文仿真研究成果的正确性。     

基于PSO-ELM算法实现船舶发电机组故障识别

针对船舶发电机组的不同故障类型,通过传感器采集不同故障下柴油机缸盖处的振动信号,构成大量数据集,选取部分数据集作为样本数据。通过EEMD算法对样本数据进行分解降噪,把一维数据分解成能反映柴油机工况信息的多维数据,对分解形成的多维数据使用KICA算法进行特征提取,并对提取后的数据进行训练集、验证集分组。使用PSO-ELM算法搭建故障识别模型,并使用训练集训练模型,使用验证集验证模型,根据验证结果评价模型是否满足故障识别的精确度。     

基于独立分量分析与传递函数的气缸压力重构

根据缸盖振动传递特性建立传递函数模型,对振动信号预处理后采用独立分量分析的方法进行分离,结合传递函数法进行压力重构,试验表明,两种方法结合简单有效,采用独立分量分析方法对缸盖振动信号进行分离能更有效地提取出反映燃烧压力分量的部分,重构压力曲线与实测曲线拟合度较好。     

凸轮发动机轴系扭振模态综合分析

本文采用模态综合技术对凸轮发动机轴系进行扭振分析，即根据凸轮发动机的结构针基划分为若干具有简单形式匠子结构，各子结构用有限元法进行计算，选取各子结构的低阶模态参加综合，从而提高分析效率。在要机上进行了扭振测量，并在和试验的基础上对凸轮发动机轴导振特性进行了初步探讨。