变采样率变采样阶比发动机在线监测系统研究

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。     

基于概率神经网络和声压的柴油机故障诊断

论述了利用柴油机运转缸盖噪声信息来诊断内燃机故障的一种方法,通过FIR数字滤波技术从发动机缸盖噪声信号中分段提取发动机的燃爆和气门开闭信息,采用参数平均法消除了缸盖噪声测量的随机误差,利用概率神经网络的分类功能,准确判断出了各种故障。     

基于多分辨率近似熵的发动机声信号特征提取

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。     

基于SVDD与D-S证据理论的发动机故障诊断研究

提出了一种基于支持向量数据描述(SVDD)和D-S证据理论相结合的故障诊断新方法,通过SVDD算法分别判断来自单个传感器的数据,然后运用D-S证据理论对各传感器的诊断结果进行信息融合,最终实现对发动机的故障诊断.试验表明,该方法充分利用各信号源的冗余互补信息,降低了诊断的不确定性,提高了故障诊断的可靠性.     

基于DSP的柴油机瞬时转速智能监测节点设计

针对柴油机实车在线监测中车内空间有限及变速变载的情况,设计了基于嵌入式系统的柴油机智能监测节点.在对磁电式转速传感器及外卡式油压传感器信号进行同步采样后,利用零相位滤波将瞬时转速的计算精度提高了50倍.利用外卡式油压传感器信号定位到柴油机工作周期后,可监控柴油机工作周期内的转速波动值,进而定位失火故障.     

柴油机气缸密封性检测方法研究

分析了柴油机气缸密封性检测对提高柴油机工作可靠性的重要意义,介绍了气缸密封性检测理论.提出了在柴油机倒拖条件下采用蓄电池起动功率与活塞上止点信号相结合的检测方法,实现了气缸密封性快速、便利检测.试验结果表明,此方法可准确定位故障气缸,反应灵敏,适合在线检测气缸密封性.