基于高频冲击信号的柴油机敲缸故障诊断

振动速度频谱在设备振动监测与故障诊断中应用很多。某柴油机低速时A1缸附近存在强烈敲击声。通过对柴油机缸盖和高压油管的异常高频冲击加速度信号进行测量和分析,准确判断出故障原因是供油不良导致敲缸,更换喷油器后敲缸现象消失。     

基于RBF神经网络的船用低速柴油机故障诊断系统

为确保船舶海上运输的安全性与稳定性,设计基于RBF神经网络的船用低速柴油机故障诊断系统.使用多传感器采集船用低速柴油机各关键构件信号,并对信号进行预处理,运用过限判断模块获得故障信号,RBF神经网络依据故障信号特征进行船用低速柴油机故障诊断和故障程度判断.实验结果表明,该系统能有效滤除信号中的无用高频信号,故障诊断结果...     

基于振动信号的舰船发动机故障诊断

传统舰船发动机故障诊断方法诊断时,需要对舰船发动机进行一定程度上的拆卸,无法完成零拆卸的故障检测,为此提出基于振动信号的舰船发动机故障诊断方法。使用不同波段振动信号作为检测探伤手段,采集多频段的振动信号,分析信号携带的诊断信息,完成舰船发动机故障诊断模型构建;计算振动信号非线性鲁棒值,锁定故障位置,通过编程分析,实现舰船发动机故障诊断。试验结果表明,设计的故障诊断方法比传统方法诊断定位准确率高2%,说明设计的诊断方法具备极高的有效性。     

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。     

基于小波包分析理论的柴油机故障诊断方法

柴油机在运行过程中会产生各种振动,这些振动包含着各系统、各零部件技术状态的有用信息.当某系统或部件发生故障时,首先会在振动信号中有所反映,因此,对振动信号分析处理,就能提取出故障信息来源.目前,对柴油机振动信号的研究还有一些难题有待解决,研究基于振动信号的柴油机故障诊断方法对解决这些难题具有一定的理论意义和实际价值.本课题运用DEWE2010燃烧分析仪以及各种传感器采集数据,通过小波包分析理论方法,并结合DEWE-SOFT软件和Matlab工具箱对4190ZC柴油机进行故障诊断方法的分析研究.     

基于振动信号的船舶柴油机配气系统故障定位方法

针对船舶柴油机配气系统故障定位问题,提出一种基于振动信号的配气系统故障定位方法。分析配气系统故障发生的原因,并论证通过监测振动信号的变化来进行故障诊断是有效的。具体论述基于振动信号的故障定位方法,对振动信号进行时域特征分析。以柴油机的离线故障数据为例,对该方法的有效性进行验证,结果表明采用该方法能有效地对柴油机配气系统进行故障定位。     

某柴油机异常敲击故障分析

<正>目前大型柴油机故障诊断主要利用各种在线采集的热工参数,由于柴油机故障类型多、故障原因多样,有时也需要采用离线传感器采集其他参数进行辅助判断。便携式振动采集器和传感器尺寸小、重量轻、携带方便,可以发现的故障类型多,在柴油机离线故障诊断中使用广泛。柴油机运转时不可避免会产生较大的振动,这是由其结构特点和工作性质决定的。柴油机结构复杂,故障产生的原因有时模糊不清;柴油机振动激励源多,传递路径复杂,柴油机各类故障所对应的振动频率较难确定。     

基于小波包振动谱图的柴油机在线故障诊断方法

柴油机是舰船的主要动力装置,针对传统故障诊断方法不能有效提取柴油机故障特征和实现在线诊断的缺点,提出一种基于小波包振动谱图像的柴油机在线故障诊断新方法.该方法首先用小波包对采集到的柴油机振动信号进行分析生成小波包振动谱图;然后利用双线性内插值方法对生成的振动谱图进行数据降维,对降维后的振动谱图进行灰度共生矩阵纹理特征参数提取;最后用分类器对特征参数进行识别,完成故障诊断.将该方法应用于柴油机气门间隙的故障诊断实例中,结果表明,基于小波包振动谱图像的柴油机在线故障诊断方法能快速高效的诊断出气门间隙故障,识别准确率高达99.17％,仅耗时0.24 s,为内燃机故障在线诊断探索了一条新途径.     

基于小波包振动谱图的柴油机在线故障诊断方法

柴油机是舰船的主要动力装置,针对传统故障诊断方法不能有效提取柴油机故障特征和实现在线诊断的缺点,提出一种基于小波包振动谱图像的柴油机在线故障诊断新方法.该方法首先用小波包对采集到的柴油机振动信号进行分析生成小波包振动谱图;然后利用双线性内插值方法对生成的振动谱图进行数据降维,对降维后的振动谱图进行灰度共生矩阵纹理特征参数提取;最后用分类器对特征参数进行识别,完成故障诊断。将该方法应用于柴油机气门间隙的故障诊断实例中,结果表明,基于小波包振动谱图像的柴油机在线故障诊断方法能快速高效的诊断出气门间隙故障,识别准确率高达99.17%,仅耗时0.24 s,为内燃机故障在线诊断探索了一条新途径。     

基于双树复小波包和PNN的柴油机故障诊断研究

针对传统小波变换在故障特征提取中的不足,提出一种基于双树复小波包和概率神经网络(PNN)的故障诊断方法。首先通过双树复小波包变换将各个工况的柴油机声信号分解得到不同频带的分量,选取各频带分量的能量作为特征向量,再利用PNN对特征向量进行训练,最后通过测试样本得到柴油机典型故障诊断结果。实验表明,该方法可以对柴油机典型故障进行较为准确的诊断,相比传统小波包有着更高的故障诊断率。