基于交叉小波变换与Teager算子的柴油机燃烧特征增强方法

为更有效地对柴油机燃烧进行监测和诊断,提出一种基于交叉小波变换与Teager能量算子的柴油机燃烧特征增强方法。首先利用交叉小波变换对柴油机缸盖振动信号进行时频相干分析,以衰减甚至消除随机噪声干扰,然后进一步采用Teager算子对于柴油机燃烧时频特征进行增强。仿真和实际信号分析结果表明,该方法有助于柴油机燃烧特征的提取和失火故障的诊断。     

基于VMD多尺度散布熵的柴油机故障诊断方法

为从非平稳非线性的缸盖振动信号中提取出柴油机故障特征,本文中提出一种基于变分模态分解(VMD)的多尺度散布熵的柴油机失火故障诊断方法。利用VMD对柴油机缸盖振动信号进行分解,选取散布熵最小的模态分量作为分析信号,计算该信号的多尺度散布熵,并选取前6个尺度散布熵作为故障特征向量,输入粒子群优化的支持向量机(PSO-SVM)中进行失火故障分类判断,并与其他4种常见方法进行对比,结果表明,本文中提出的诊断方法能够有效提取故障特征,准确识别故障类型,优于所对比方法。     

基于小波与深度置信网络的柴油机失火故障诊断

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。     

强噪声背景下的柴油机失火故障诊断

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。     

多特性参数相结合的柴油机故障振动信号特征提取与诊断

本文基于缸盖振动信号的非平稳的特点,将经验模式分解和AR模型参数相结合,并兼顾了信号频谱的特点,提出了综合选取AR模型参数、信号频带能量和信号的质心频率与质心幅值等作为柴油机故障振动信号特征参量的方法;采用该方法对实测的S195柴油机的5种工况下缸盖振动信号样本提取了故障特征向量,基于支持向量机对柴油机故障进行诊断,故障诊断的正确率达到83%以上,验证了该方法的可行性。     

基于缸盖振动信号分析的柴油机失火故障检测

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。     

基于多尺度核独立元分析与核极限学习机的柴油机故障诊断

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%。     

基于小波包的柴油机振动故障诊断研究

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     

柴油机燃烧振动波形的自适应提取及故障诊断

柴油机燃烧系统故障的振动信号分析方法之关键是波形提取,只有提取到正确的燃烧振动波形,才能得到可靠的诊断结论,将转速—振动双通道信号同时采集,借助转速脉冲对燃烧振动波形进行准确定位;提出了自适应提取方法自动提取到完整的燃烧振动波形,实现了柴油机燃烧均匀性分析和失火故障的自动诊断。应用该方法对一多缸柴油机进行诊断,确定其有3个缸存在失火故障,为现场应用提供了一种简便、直观且实用的诊断方法。     

基于单振动传感器的多缸柴油机失火诊断

通过模拟某12缸柴油机各缸失火试验,对缸盖振动信号中各缸爆发响应信号进行分析,研究表明,各缸爆发在同一测点均会引起振动响应,响应信号的频谱成分不变,幅值变化满足本缸准则及邻缸准则.基于主序列法在不依赖上止点传感器的情况下提取各缸爆发信号的相对幅值,通过判断相对幅值的变化率实现了对传感器所在气缸排各缸失火故障的诊断及定位...     

基于自适应奇异值标准谱和EMD的柴油机故障诊断

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。     

基于欠定盲源分离的柴油机曲轴轴承故障诊断方法研究

针对柴油机曲轴轴承振动信号盲源分离的欠定问题,提出了基于相空间重构和动态聚类奇异值分解的适定化方法。首先通过引入广义时间窗的概念确定最佳时间延迟和嵌入维数,重构信号相空间矩阵;然后对其进行奇异值分解,并对奇异值进行动态聚类以确定最佳重构阶数,进而重构得到虚拟观测信号,从而将欠定问题转变为适定或超定;最后利用自适应Parafac方法对原观测信号与虚拟观测信号构成虚拟传播路径进行盲源分离得到有效源信号。仿真结果表明,该方法可有效分离出混合信号中的源信号,并将其应用到柴油机曲轴轴承故障诊断中,诊断准确率提高了18.4%。     

基于振动信号的柴油机进排气系统故障诊断研究

提出了一种根据柴油机气缸盖振动信号诊断进排气系统故障的方法 ,介绍了对柴油机的振动信号进行小波降噪和小波分解 ,提取相应特征向量 ,然后将振动样本的特征向量作为径向基函数神经网络的输入参数 ,以故障类别作为输出参数训练该网络 ,训练后的神经网络可以利用测量的振动信号来判断柴油机的故障状况。仿真和试验证明该方法有效可行     

基于S变换的柴油机燃烧差异的诊断研究

分析了传统的基于平稳过程的傅里叶变换存在的局限性,采用了S变换时频分析法对振动信号进行分析。对比不同燃烧状况时的缸内压力曲线、压升率曲线及振动信号S变换的结果,表明振动信号S变换得到的时频图像同缸内燃烧过程有密切的关系。为了便于对各缸的燃烧状况进行定量分析,提出了利用时频域内各点的幅值和表征各缸燃烧差异的新方法。在4缸柴油机上进行模拟试验对该方法进行验证,结果验证了该方法的有效性。     

基于EMD理论的等角度重采样方法在凸轮轴故障诊断中的应用

将一种无转速测量信号,基于希尔伯特—黄变换等角度重采样的阶次分析方法应用于发动机凸轮轴故障诊断,从而有效消除转速波动的影响,使信号处理与分析结果更加准确.应用所提出的方法对某6缸柴油机缸体振动信号进行分析,对比凸轮轴轴瓦断裂修复前后振动信号特征的变化,有效地提取出了故障特征.     

基于BP神经网络的汽油机失火故障诊断方法的研究

针对基于曲轴瞬时角加速度的一般失火故障诊断算法能诊断失火故障,但未能有效区分故障模式的缺陷,提出了一种基于做功时间和BP神经网络的失火诊断算法.根据不同模式下各缸做功时间的波动,提取诊断循环内各缸做功时间信号的特征参数,结合BP神经网络模式识别功能,实现不同模式下的失火故障诊断.通过台架试验,测试了在正常工作、第3缸单...     

柴油机转速传感器故障诊断及其失效“跛行”控制

研究了时间控制式电控柴油机转速信号的特点及相位关系;设计了曲轴和凸轮轴传感器失效故障的检测方法及处理算法;开发了由MC68376微处理器和可编程复杂逻辑器件组成的柴油机故障处理系统;在TCD2015V06电控单体泵柴油机上,进行了起动和正常运行时转速传感器失效的试验研究。结果表明,转速传感器出现故障时,系统可识别出相应故障,并进行逻辑切换,使发动机能正常起动和运行。