共查询到20条相似文献,搜索用时 15 毫秒
1.
为提高柴油机故障诊断速度和精度,提出了基于改进多尺度核独立元分析与量子粒子群优化核极限学习机的故障诊断方法。首先利用固有时间尺度分解对缸盖振动信号进行多尺度时频分解,并根据故障敏感度参数筛选有效分量以实现振动冲击特征增强;然后利用核独立元分析消除有效分量间的频带混叠,分离故障敏感频带,并提取各频带的AR模型参数、多尺度模糊熵和标准化能量矩构造联合故障特征向量;最后建立基于量子粒子群优化的核极限学习分类器实现柴油机故障诊断。试验结果表明,该方法有效增强了缸盖振动信号中的故障敏感特征,提高了柴油机故障诊断速度和精度,故障分类准确率达到98.45%。 相似文献
2.
3.
基于缸盖振动信号分析的柴油机失火故障检测 总被引:3,自引:1,他引:2
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。 相似文献
4.
5.
为更深入地了解柴油机失火故障的机理,提高失火故障诊断准确率,本文中提出了一种基于小波与深度置信网络的柴油机失火故障诊断方法。首先,采用等角度采样法对柴油机缸盖振动信号进行采样,获得平稳的角域信号,消除循环波动干扰;然后,通过连续小波变换对角域信号进行角-频分析,提取点火频率附近频带后利用连续小波逆变换重构信号;接着,按照柴油机工作循环从重构信号中,分段提取方差、峭度和峰值等12种常用特征参数并构造诊断参数矩阵;最后,利用深度置信网络对诊断参数矩阵进行降维和第二次特征提取,并依据二次特征对失火故障进行诊断。将该方法应用到某型柴油机上的结果表明,该方法能准确提取失火故障信息,有效诊断失火故障。 相似文献
6.
强噪声背景下的柴油机失火故障诊断 总被引:1,自引:0,他引:1
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。 相似文献
7.
8.
9.
往复式柴油机转动时产生振动是不可避免的这是由其复杂的结构和工作性质决定的,所以在柴油机故障诊断中,振动信号对于研究柴油机的振动特性和机械故障之间的内在联系起重要作用。通过从缸盖表面振动信号的小波包分解系数中提取整循环故障特征参数的方法,提取内燃机故障特征的研 相似文献
10.
11.
12.
13.
14.
15.
针对从缸盖振动信号中分离燃烧激励引起的振动信号及其他干扰信号的问题,提出一种基于时‐频相干与神经网络的气缸压力识别方法。首先采用 Morlet 连续小波变换分别将缸盖振动信号和缸压信号在时‐频域内展开,然后采用交叉小波对两信号进行时‐频相干分析,设定相干系数阈值并进行掩膜处理,对所得结果重构便可得到燃烧激励引起的缸盖振动信号。最后,选取8个参数作为评价燃烧效果的特征指标,利用径向基函数(RBF)神经网络估计缸压。研究结果表明:该方法有效地提取了缸盖上的燃烧特征信号,通过 RBF 神经网络估计缸压,逼近于实际缸压变化。 相似文献
16.
17.
18.
《汽车工程》2015,(8)
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。 相似文献
19.