基于时频域模型的噪声故障诊断

为了避免传统的基于振动信号的内燃机主轴承磨损故障诊断中安装传感器以及提取故障特征频率的麻烦,采用一种基于内燃机工作噪声信号和时频域分析的方法。首先讨论了对内燃机噪声信号进行小波包络谱分析,得到可以判断主轴承磨损故障的特征频率。然后,进一步阐述了采用噪声信号小波包分解,可得到包含更多故障信息时-频分布图。基于此,运用图像处理技术建立基于图像匹配的内燃机主轴承诊断模型。结果表明此方法简单有效,充分利用了故障信息。     

基于相图相似度的发动机转子系统故障诊断方法研究

针对频谱分析法在判别航空发动机转子系统早期故障时振动信号易被噪声干扰而不能准确识别的问题,提出基于振动相图相似度的故障诊断方法。在分析发动机不同状态时整机振动信号参数在不同范围随机变化导致相轨迹分布不同的基础上,通过计算相图相似度来判别故障类型。实践表明,该方法能有效去除噪声对故障信息的干扰,诊断准确率高,判别速度快,具有实用价值。     

小波分解及图像处理在内燃机振动诊断中的应用研究

内燃机缸盖振动具有明显的非平稳时变特点，因此在监测诊断时应尽量利用信号中的信息。为了克服时域和频域特征提取方法的不足，从而充分利用振动信号所包含的信息，本提出了一种新的内燃机故障诊断方法：对缸盖振动信号进行小波包分解，得到信号的时-频分布图，并利用软件方法定义图象，然后提取图象的各种特征参数实现诊断。将该方法用于6135柴油机气阀机构的故障诊断，取得了很好的效果。结果表明此方法简单有效，诊断精度较高，且对信号采样的要求不高，易于实用。     

基于模糊神经网络的液体火箭发动机振动检测

液体火箭发动机振动检测涉及部件振动数据的收集、振动特征的抽取与度量以及度量结果的决策。基于模糊神经网络提出了一种发动机振动故障检测的基本系统。这种技术的吸引力在于：神经网络采用可变模糊集代表发动机工作模式，自然地提供了反映故障程度的有用信息；神经网络的离线学习算法可以从训练样本中提取振动知识；神经网络的监测算法不仅能正确预报故障，同时也能对新的振动信息进行在线学习。实验研究结果表明：模糊神经网络可以成功地用于泵压式液体火箭发动机热试车的振动故障检测。     

基于振动和证据理论的柴油机缸套磨损故障诊断

在简述Dempster-Shafer证据理论的基础上,探讨了内燃机缸套磨损故障诊断中的故障识别框架的形成、mass函数的构造以及相应的组合与推理思路,并以柴油机缸套磨损故障诊断为例,详细说明了该方法的具体实现步骤.测量6-135G型柴油机缸套在正常、中等磨损故障、严重磨损故障和破坏性磨损故障四种状态下的机体表面振动,通过时、频域分析,得到了故障特征信息;利用Dempster-Shafer证据理论方法对故障特征信息进行融合处理,有效地诊断识别了柴油机缸套的多种磨损故障,诊断结论的可信度明显提高,不确定性明显减小.研究表明,可以基于振动和Dempster-Shafer证据理论进行内燃机缸套磨损故障诊断,诊断效果良好,并有效地提高柴油机故障诊断的准确性和可靠性.     

基于EMD-WVD与LNMF的内燃机故障诊断

内燃机的振动信号是复杂非平稳信号,准确提取内燃机振动信号中的特征信息进行模式识别,是对振动信号进行故障诊断的关键。基于经验模态分解的维格纳时频分析方法,不但保留了维格纳分布的所有优良特,而且还避免了交叉项的干扰,能够有效地提取内燃机振动信号的特征信息;在此基础之上,针对传统非负矩阵分解非正交的基矩阵导致数据冗余性较大、影响后续故障分类准确率提高的问题,提出采用局部非负矩阵分解的方法,直接对EMD-WVD时频图像的矩阵进行分解,计算用于内燃机故障诊断的特征参数,并利用特征参数进行故障分类。对内燃机4种不同工况的振动信号进行实验,证明基于EMD-WVD与局部非负矩阵分解的方法对内燃机气门间隙的故障诊断的有效性。     

利用简谐扭振幅值诊断内燃机故障缸功率损失

依据内燃机曲轴扭转振动的基本理论，提出了一种利用实测曲轴扭振信号单谐次分量的幅值诊断内燃机故障缸功率损失的新方法，该方法能简便地估算出故障缸的停缸率。讨论了引起曲轴扭转振动的激振力矩，给出了简谐扭转振动角位移与对应简谐力矩的关系式。以某6135柴油机为对象进行了仿真计算和实验分析。研究结果表明，利用0．5谐次扭振位移幅值可以判断出内燃机故障缸的停缸率，验证了该方法的可行性和工程应用价值。     

基于内燃机振动信号的可视化识别诊断

为提高故障识别诊断的精确度和实时性,有效解决内燃机多分量、非平稳振动信号特征提取困难的问题,提出一种基于改进局部二值模式(ILBP)与双向二维主成分分析(TD-2DPCA)的内燃机振动信号可视化故障识别诊断方法。针对传统时频方法在分析内燃机振动信号中,存在时频分辨率低及交叉干扰项的问题,将经验小波变换(EWT)与同步压缩小波变换(SST)应用到内燃机振动信号的时频图表征中;利用ILBP提取图像的纹理特征,并对ILBP图谱采用TD-2DPCA降维,将降维后的编码矩阵向量化后得到图像的特征参数;通过支持向量机(SVM)和最近邻分类器(NNC)分别特征向量进行训练、测试,实现内燃机的故障识别诊断。在内燃机气门间隙故障8种工况下缸盖振动信号的识别诊断试验中,均得到较高的分类精度;通过参数的合理优化,在保证了分类速率的同时,最高识别率达到96.67%,对比其他方法,充分表明该方法在内燃机故障诊断中的有效性。     

航空发动机转子早期裂纹故障振动特征的1(1/2)维谱分析

针对航空发动机转子早期裂纹故障难以检测的特点首先,根据转子裂纹扩展机理,建立早期裂纹转子振动分析理论模型,提出利用112维谱对早期裂纹振动信号进行分析。然后,利用112维谱分析法对早期裂纹转子理论模型和早期裂纹转子故障实验数据进行了具体分析。理论模型和实验数据分析结果都表明:应用112维谱对实际发动机转子早期裂纹故障信号进行分析,不仅能够得到一般频谱分析法难以获得的故障特征频率,还能对混叠噪声信号进行降噪。因此,112维谱能够有效的诊断航空发动机转子裂纹故障,在航空发动机故障诊断中具有一定的应用价值。     

航空发动机转子早期裂纹故障振动特征的维谱分析

针对航空发动机转子早期裂纹故障难以检测的特点首先,根据转子裂纹扩展机理,建立早期裂纹转子振动分析理论模型,提出利用112维谱对早期裂纹振动信号进行分析。然后,利用112维谱分析法对早期裂纹转子理论模型和早期裂纹转子故障实验数据进行了具体分析。理论模型和实验数据分析结果都表明:应用112维谱对实际发动机转子早期裂纹故障信号进行分析,不仅能够得到一般频谱分析法难以获得的故障特征频率,还能对混叠噪声信号进行降噪。因此,112维谱能够有效的诊断航空发动机转子裂纹故障,在航空发动机故障诊断中具有一定的应用价值。