排序方式: 共有16条查询结果,搜索用时 62 毫秒
1.
2.
针对不连续采样时的车用发动机磨损故障诊断问题,基于摩擦磨损原理和摩擦副元素之间的相关性,提出了基于比例特征的发动机磨损状态模糊优选诊断方法,建立了发动机磨损变化的比例模型,研究了摩擦副主要磨损元素之间在磨损过程中的比例关系,运用模糊优选理论实现了发动机磨损状态的诊断。通过典型磨损状态的油样光谱分析数据验证了该诊断方法的有效性,解决了车用发动机在不连续采样情况下的磨损故障诊断难题。 相似文献
3.
针对车用发动机在线监测与故障诊断中各传感器信号频率成分相差较大、需要同步采样及信号非平稳的情况,分析了阶比跟踪技术在发动机各类信号处理方面的优势。通过软件实现了各通道信号同步变采样率采集。通过抗混叠滤波器截止频率及发动机最低转速计算出了各通道所需的最低采样阶比,避免了繁琐的阶比跟踪滤波对原信号带来的误差和干扰。对正常及故障工况下变速时的排气噪声、缸盖振动及外卡油压信号进行变采样率变采样阶比的阶比跟踪后,用于在线监测及故障诊断的信号特征更加明显,且更利于通过程序自动提取。 相似文献
4.
5.
6.
介绍了近似熵的概念、主要特点及其快速算法,在分析了小波包与近似熵原理的基础上,提出了一种多分辨率近似熵的特征提取方法,并且讨论了近似熵值计算中3个参数的选择原则,其后对发动机声信号进行了分析处理,通过对比正常状态与故障状态共8种工况下的小波包3层分解后各节点的近似熵值,确定出了故障的特征频带,根据近似熵在敏感频带内的变化有效提取出发动机故障特征,从而实现了对发动机状态的监测与诊断。试验结果也证明了近似熵在分析复杂信号特征方面具有很强的能力,在判别机械设备运行状况方面具有很好的效果。 相似文献
7.
8.
9.
10.
针对柴油机多发故障,提出了自适应奇异值标准谱和经验模态分解(Empirical Mode Decomposition,EMD)相结合的故障诊断模型。通过计算平均最近邻域发散度和奇异值标准谱的方法自适应地选择奇异值分解的嵌入维数和重构阶数,提高了奇异值分解降噪的精度。对降噪后的信号进行EMD分解,并利用调整余弦相似度标准提取反映信号真实特征的主固有模态函数(Intrinsic Mode Function,IMF),进而提取故障特征参数。将此模型应用于F3L912柴油机进气门漏气、单缸失火和多缸失火等故障的诊断,通过提取峭度和过零率作为故障特征,获得了较高的故障分类准确率。 相似文献