共查询到19条相似文献,搜索用时 558 毫秒
1.
2.
3.
为了实现柴油机智能化故障诊断,提出一种基于PCA-PNN算法的柴油机故障诊断方法。该方法兼具主成分分析(principal component analysis, PCA)法降低数据维数和概率神经网络(probabilistic neural network, PNN)法计算速度快、容错率低、稳定性好的特点。利用AVL BOOST软件建立柴油机仿真模型,并进行有效性验证,采集包含12个柴油机故障特征参数的195组样本数据集。故障诊断试验表明:PCA-PNN柴油机故障诊断算法简洁、易于推理,诊断准确率为94.87%、运行时间为0.673 s,准确率更高、诊断速度更快,为探索柴油机智能化故障诊断提供新的技术路径。 相似文献
4.
在线实时故障诊断具有直接实时准确等优点但电控柴油机的特点使得传统故障诊断方法已不能满足在线实时故障诊断的要求本文在分析各种故障诊断方法的基础上得出神经网络是电控柴油机在线实时故障诊断的一条新的途径并阐述了神经网络进行故障诊断的机会 相似文献
5.
6.
7.
利用故障树分析方法对柴油机不能正常启动的影响因素进行分析,找出了导致柴油机不能启动的关键原因,结合故障现象,根据柴油机的结构和原理,给出柴油机不能启动的故障诊断方法,为柴油机的故障诊断提供了依据。 相似文献
8.
9.
10.
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。 相似文献
11.
基于小波分析的柴油机故障信号特征的提取 总被引:7,自引:0,他引:7
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。 相似文献
12.
13.
基于时频谱图与图像分割的柴油机故障诊断 总被引:6,自引:0,他引:6
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. 相似文献
14.
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。 相似文献
15.
基于粗糙集和神经网络的柴油机故障诊断 总被引:1,自引:0,他引:1
介绍了粗糙集理论的核心内容和ROSETTA软件的特点,给出了基于粗糙集理论的柴油机缸盖振动信号的故障诊断系统。以某型号大功率柴油机为例,首先将提取的缸盖振动信号经过小波包消噪和时域、频域分析,构造出用于故障诊断的特征值,然后应用ROSETTA软件约简特征属性,最后通过神经网络进行故障模式分类。通过对比ROSETTA软件处理前后神经网络的输出结果,表明粗糙集理论能优化特征属性,有效地减少神经网络的输入节点数,提高故障分类的准确率。 相似文献
16.
为解决柴油发动机在高转速、低负荷工况下难以准确判断出发生失火故障的气缸的问题,提出了通过检测曲轴转速信号中的扭振信号起始点来判定失火气缸的故障诊断方法。该方法首先通过分析单缸失火时的转速信号以确定曲轴扭振的自由频率,然后基于该频率构造正弦检测信号,将该检测信号与各缸做功转角范围内的转速信号做内积运算,并得到的内积值作为失火气缸的指示特征。在6缸柴油机上的失火试验证明该方法能够在高转速低负荷情况下准确识别发动机的单缸失火和两缸失火,弥补了传统失火诊断方法工况覆盖率低的不足。 相似文献
17.
18.
19.
针对内燃机瞬时转速信号的非平稳性特点,将EMD方法用于瞬时转速信号的时频分析,将其自适应分解为几个基本模式分量和剩余值序列;对各个基本模式分量进行Hilbert变换得到Hilbert谱,从而得到瞬时频率和振幅随时间的变化规律,并进一步得到了EMD边界谱。实验测量6-135型柴油机正常和故障状态下瞬时转速信号,对其进行EMD分析表明:瞬时转速EMD边界谱可以指示有无故障发生,而瞬时频率和分解剩余值序列可以指示故障缸位置,二者结合可以较好地实现内燃机的故障诊断,为基于瞬时转速的内燃机故障诊断提供了一条新的思路。 相似文献