基于变分模态分解和去趋势波动分析的柴油机振动信号去噪方法

为了解决柴油机工作时其振动信号的背景噪声对状态监测及故障诊断造成干扰这一问题,提出一种基于变分模态分解(VMD)和去趋势波动分析(DFA)的柴油机振动信号去噪方法。该方法首先利用变分模态分解将振动信号分解为若干分量,再利用去趋势波动分析分别计算各个分量的尺度指数,根据尺度指数的值选取具有长程相关性的分量进行信号的重构,以消除振动信号中噪声。将该方法应用于仿真信号和柴油机故障振动信号中,取得了良好的消噪效果。     

基于EMD方法的柴油机振动信号去噪声处理

针对柴油机振动信号的瞬时非线性特点,提出采用柴油机振动信号的IMF分量进行特征频带识别的新方法.将柴油机振动信号经验模态分解,并去掉主要干扰因素所对应的IMF分量,再将剩余IMF分量进行重构得到柴油机振动信号.实际测试结果表明,重构后的信号能反映柴油机机身振动的真实趋势.     

基于变分模态分解和交叉小波变换的柴油机失火故障诊断

针对强噪声干扰下柴油机失火故障难以诊断的问题,提出一种基于变分模态分解(variational mode decomposition,VMD)与交叉小波变换(cross wavelet transform,XWT)的柴油机失火故障诊断方法。该方法首先通过VMD将缸盖振动信号进行分解、自适应消噪及信号重构,再利用XWT对任意两个连续工作循环信号进行时频相关分析,进一步消除振动信号中的干扰噪声以提取柴油机燃烧特征,最后通过计算时频空间各缸能量占比进行柴油机失火故障诊断。通过对仿真信号分析及柴油机失火故障诊断,结果表明:该方法可以消除强噪声干扰,提取柴油机燃烧周期瞬态振动冲击特征,有效地识别柴油机失火故障。     

基于经验模态分解方法的柴油机振动信号去噪声处理

针对柴油机振动信号的瞬时非线性特点,提出采用柴油机振动信号的本征模函数(IMF)分量进行特征频带识别的新方法。将柴油机振动信号经经验模态分解,并去掉主要干扰因素所对应的IMF分量,再将剩余IMF分量进行重构得到柴油机振动信号。实际测试结果表明,重构后的信号能反映柴油机机身振动的真实趋势。     

柴油机气门故障特征提取方法研究

针对柴油机气门故障诊断问题,在柴油机上模拟了气门间隙异常、气门漏气故障,同步测取了正常和故障情况下的缸盖振动与瞬时转速信号,提出了基于阶比跟踪的振动信号等角度重采样方法,准确地实现了振动信号时间域到角度域的转换,避免了频谱泄漏及混叠。考虑到缸盖振动信号的非平稳特性,应用经验模态分解法将振动信号分解成一系列具有不同尺度的内禀模态函数,利用三维Hilbert谱提取了反映柴油机故障的特征参数。试验结果表明:研究方法可以有效地提取柴油机振动信号的故障特征,从而实现柴油机配气机构故障诊断。     

基于振动信号分形特征的柴油机缸套磨损诊断

提出了一种基于总体经验模态分解(EEMD)与形态学分形维数的柴油机缸套磨损诊断方法,以某6缸四冲程柴油机为研究对象,测试并分析了柴油机缸套4种状态下机体振动信号的形态学分形维数。研究结果表明:利用含噪振动信号的分形维数来描述缸套磨损状态是不可靠的,实测信号降噪后的形态学分形维数能够清晰地区分柴油机缸套磨损状态。     

柴油机气缸盖振动信号特征提取方法的研究

研究了基于短时AR分析、小波多分辨率分析和小波包分析的故障特征提取和识别方法,分析了柴油机气缸盖振动信号特征提取方法。得出了两条重要结论:基于短时AR分析的柴油机气缸盖振动信号整循环特征提取方法特别适合于短序列数据的分析;利用小波多分辨率分析和小波包分析以及Kllback-Leibler信息量最小,对柴油机表面振动信号进行分解与分析,确定各故障状态的特征频带,进而可用频带的时间序列的时序模型作为特征矢量,实现对柴油机运行状态故障的诊断。     

柴油机机体振动分析与诊断研究

柴油机运行时因激振力的作用会产生一定方向和频率的冲击振动,构件的裂纹或松动等故障会影响到其响应成分的频率能量特性.针对柴油机运行时的冲击响应振动信号,利用小波分析快速进行信噪分离,频域范围内采用功率谱分析结合小波包分解对各频段能量谱分析.根据振动信号时域峰值和时刻,频域能量的变化和分布,给出故障诊断层使用的状态特征向量...     

基于提升小波和局域波的柴油机故障诊断

针对柴油机的机体表面振动信号的非平稳、含噪声的复杂性,提出了一种提升小波去噪与局域波分析相结合的新方法,并用于机体表面振动信号的特征提取和状态识别.首先构造提升小波对信号进行自适应消噪处理,避免局域波分解过程中虚假模式分量的产生;然后将消噪信号进行局域波分解,通过局域波边际谱分析信号能量随瞬时频率的变化特征.柴油机缸套...     

基于LMD边际谱的柴油机气门故障诊断

针对柴油机气门间隙故障诊断问题,在WP7柴油机上模拟了多种气门间隙故障,测取了正常及故障条件下的缸盖振动信号。考虑柴油机缸盖振动信号具有非平稳的特点,提出一种基于局部均值分解边际谱和马氏距离的故障诊断方法。该方法在LMD边际谱的基础上定义了频率中心,并以此作为柴油机气门间隙的故障特征,利用马氏距离判断柴油机气门的工作状态。试验结果表明:该方法可以有效地提取柴油机气门间隙故障特征,实现柴油机气门机构故障诊断。     

基于小波理论变换和神经网络的柴油机故障诊断方法的研究

提出一种基于小波理论和神经网络技术的柴油机振动诊断方法,首先对柴油机的振动信号进行小波分析,提取相应特征向量,然后将振动样本的特征向量作为RBF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。试验及仿真证明该方法在柴油机振动诊断中是有效可行的,对其它复杂机械的振动诊断同样具有参考价值。     

基于时频谱图与图像分割的柴油机故障诊断

将图像分割理论引入柴油机故障诊断中,提出一种基于时频谱图、图像分割和模糊模式识别的柴油机故障诊断新方法.首先利用二进小波对柴油机缸盖振动信号进行预处理,然后用时频谱图对柴油机气门机构4种状态下的缸盖表面振动信号进行时频分析,并将谱图结果根据图像分割理论对其等高图进行分割,最后通过选取分割后图像的特征体质心位置、特征体面积、数目和熵作为特征参数,并利用模糊C均值聚类对图像进行分类识别.试验结果表明,新方法提取的振动信号图像几何特征与形状特征参数能充分反映柴油机气门工作状态的信息,对不同类型的气门故障均能正确诊断.     

基于局域波和Hilbert变换的柴油机气缸压力识别方法

柴油机燃烧激振响应中蕴含着气缸工作压力的信息,对其进行Hilbert变换,可使压力信号的信息更为显著。然后利用局域波法对变换后的信号进行分解,获得能够表征气缸压力信号的模式分量。同时,从传递函数的角度对该方法的有效性进行了简单的证明,并给出了该方法在工程应用中的实例。     

基于阶比跟踪与VMD的瞬变工况发动机故障特征提取

针对发动机加速过程振动信号的非平稳性和存在强背景噪声的特点,提出阶比跟踪与变分模态分解(VMD)相结合的方法。对于柴油机曲轴轴承故障和汽油机连杆轴承模拟试验振动信号,利用阶比跟踪技术将时域上的非平稳信号转化为角域上的伪平稳信号,利用VMD对重采样信号进行分解,选择包含故障信息的模态分量,计算其阶比、转速、功率谱所构成的三维阶比谱阵,提取故障特征。仿真分析和故障模拟试验验证了该方法的有效性。     

柴油机磨合状态下振动信号多重分形研究

为监测柴油机的磨合过程,提出利用多重分形谱参数表征柴油机振动信号特征的新方法.运用多重分形理论对柴油机磨合过程中缸体的振动信号进行分析,并计算振动信号的多重分形谱参数,探讨多重分形谱参数与柴油机磨合状态之间的内在联系.结果表明:多重分形谱参数能定量刻画振动信号的特征.随着柴油机磨合过程的进行, 振动信号多重分形谱参数出现规律性的变化.不同阶段信号的多重分形谱参数呈现出递增或递减趋势,反映了柴油机磨合状态的变化过程.     

基于小波分析的柴油机故障信号特征的提取

本文提出了一种新的柴油机表面振动信号的故障特征的提取方法，利用柴油机表面振动信号经过小波降噪处理，有效地剔除柴油机表面振动信号的噪声干扰，提高信号的信噪比。用小波包提取降噪后振动信号的能量特征参数。以表征柴油机故障特征，建立起能量到柴油机故障的映射关系。实际研究表明这一特征提取方法是有效的。