融合技术在柴油机故障诊断中的应用

导致柴油机同一故障的各相关检测信号使其融合,应用在神经网络故障识别系统中,可以快速、准确地诊断柴油机故障.本文主要融合气缸振动信号、喷油信号及水温信号,设计了通过提取信号特征值,应用神经网络识别系统诊断柴油机功率下降故障的方法.信号特征值分别按各自信号的特点提取,其中气缸振动信号以振动信号的各子带功率谱为特征,即在频域中选取特征;喷油信号以信号波形形状识别为特征,即在时域中选取特征;水温信号因其为慢速变化信号,取不同阶段的水温信号为特征.     

基于神经网络信息融合的发动机失火故障诊断

对发动机气缸失火故障进行实车模拟试验,测量了发动机的机体振动信号及瞬时转速信号,并对其进行了时、频域分析.通过小波分析方法提取了振动信号能量特征,通过复杂度分析方法提取了转速信号的复杂度特征用于故障诊断.根据多传感器信息融合理论,建立了集成神经网络信息融合模型对气缸失火故障进行了诊断.结果表明,发动机机体振动能量特征和转速复杂度特征能够反映气缸失火现象,基于发动机振动和转速信息融合进行气缸失火故障诊断,诊断可靠性较高.     

基于神经网络的柴油机燃烧系统故障诊断

根据柴油机在不同状况下燃烧过程中气缸的压力波动情况进行了模式分类。柴油机的缸盖振动与气缸的压力波存在一定的对应关系,但这种对应关系通常难以确定。作应用柴油机缸盖在爆发段的振动信号,经过Hilbert变换,然后应用小波的Mallat算法进行变换,取小波变换后的三阶近拟波形来模拟对应气缸内的压力波动,最后应用神经网络方法对变换后的信号进行燃烧状况的模式识别,给出诊断结果,为柴油机的故障提供了一种新方法。     

基于小波包和BP神经网络的柴油机故障分析

随着人们对柴油机动力性、经济性要求的不断提高,现代柴油机结构日趋复杂,对其故障诊断要求也越来越高。本文通过WP7柴油机台架试验,模拟供油提前角、供油量、气门间隙以及喷油压力异常四种故障,采集振动信号,利用小波包技术对各种故障振动信号特征参数变化规律进行了分析,比较了各频率对故障信息敏感度的影响,进而利用MATLAB建立BP神经网络,对提取的信号特征进行训练与测试,并进行验证,实现了对柴油机的故障诊断。     

基于小波包与神经网络的柴油机故障诊断

针对柴油机缸盖振动信号的非平稳时变特点，提出应用小波包能量法提取故障特征向量，并将提取的特征向量作为BP神经网络的输入向量进行学习训练。训练后的神经网络可以利用测量的振动信号判断柴油机的气阀机构故障状况。实践证明该方法在柴油机振动诊断中是有效可行的，对其他设备的故障诊断也具有借鉴意义。     

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。     

基于小波包与神经网络的柴油机故障诊断

针对柴油机缸盖振动信号的非平稳时变特点,提出应用小波包能量法提取故障特征向量,并将提取的特征向量作为BP神经网络的输入向量进行学习训练。训练后的神经网络可以利用测量的振动信号判断柴油机的气阀机构故障状况。实践证明该方法在柴油机振动诊断中是有效可行的,对其他设备的故障诊断也具有借鉴意义。     

柴油机排气门漏气故障诊断的试验研究

介绍了在２１０５和２１３５柴油机上进行的排气门漏气故障的模拟试验结果，讨论了排温，排烟，油耗量和气缸盖表面振动信号对排气门漏气故障的敏感性，揭示出柴油机气缸内燃烧压力、表面振动信号与排气门漏气故障之间的内在联系，并对振动诊断的频谱分析法和时序谱分析进行了综合对比。     

柴油机活塞—气缸套磨损故障的振动诊断

通过柴油机活塞－气缸套磨损故障的模拟试验，揭示了机身介面振动信号的故障特征，分析限各振动特征参量对故障的敏感性，提出了活塞－气缸套磨损故障的诊断判据，介绍了柴油机活塞－气缸套磨损间隙的振动监测在ＥＳＭＤＦ系统中的具体实现方法。     

柴油机活塞－气缸套磨损故障的振动诊断

通过柴油机活塞－气缸套磨损故障的模拟试验，揭示了机身侧面振动信号的故障特征，分析了各振动特征参量对故障的敏感性，提出了活塞－气缸套磨损故障的诊断判据，介绍了柴油机活塞－气缸套磨损间隙的振动监测在ＥＳＭＤＦ系统中的具体实现方法     

采用双神经网络模型的柴油机燃油系统故障诊断研究

人工神经网络除了在模式识别中作为分类器应用之外，而且能够实现特征参数的提取。本文通过对柴油机燃油喷射系统的高压油管振动信号进行特征分析，提出了一种利用双人工神经网络模型进行柴油机故障诊断的方法。     

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。     

基于粗糙集和神经网络的柴油机故障诊断

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。     

BP神经网络在高压共轨式电控柴油机故障诊断中的应用

作者运用了优化算法的BP神经网络设计高压共轨式电控柴油机的故障诊断系统，以电控发动机的传感器数值作为BP网络的输入，把发动机的故障状态作为BP网络的输出，以此来对电控柴油机进行实时的故障诊断。将诊断结果与实测结果进行比较后，证明此方法是可行的。     

基于Dempster-Shafer证据理论的柴油机故障诊断

在简述多传感器信息决策层融合暨Ｄｅｍｐｅｒ－Ｓｈａｆｅｒ证据理论的基础上,研究了决策层信息融合的实现方法和算法,利用柴油机表面振动信号与高压油路压力信号所提供的特征信息进行融合处理,使用决策规则对柴油机供油系统工作过程多种故障进行了诊断识别。通过分析、比较基于融合信息进行诊断识别的结果与单传感器信息诊断识别的结果,说明了多传感器信息融合的诊断识别方法具有良好的稳定性、精确性和容错性,能够有效地提高     

小波包改进算法及其在柴油机振动诊断中的应用

针对柴油机缸盖表面振动信号的非平稳时变特点,提出了基于小波包分析的柴油机振动诊断方法。给出了小波包变换的一种改进算法,通过移频处理,克服了原算法中的频率混叠现象,使分解序列的排列顺序与频带的线性划分顺序一一对应。通过对完整工作循环内的缸盖信号进行小波包分解,实现了整循环诊断特征向量的快速提取。试验结果表明,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。     

柴油机燃油喷射系统故障振动诊断的试验研究

利用振动技术对柴油机的机械性故障进行不解体诊断，是当前国内外都在研究的重要课题。作者在进行柴油机燃油喷射系统典型故障模拟试验的基础上，测取了高压油管的振动信号，并进行了信号分析，得出了故障诊断的判据。     

柴油机故障诊断的局域波神经网络方法研究

针对柴油机表面振动信号的非平稳性，采用局域波法对其进行有效分解获得多个局域波分量，这些分量有效降低了信号的非平稳性，并且包含着原始信号瞬时频率和模糊频带的双重特征信息。然后以局域波分量的特征参数为输入对RBF神经网络进行训练学习，形成网络。这种方法增强了内燃机故障诊断的可靠性和精确，并在实际柴油机故障诊断中得到了有效地应用。     

柴油机喷油泵供油量动态调整装置的研究

多缸柴油机喷油泵各缸供油量的不均匀度对柴油机动力性和经济性有较大的影响,不均匀度增大会使柴油机振动噪声和排气污染增加。因此,国家标准对多缸泵的不均匀度有严格的要求。本文提出一种喷油泵供油量的动态调整试验方法,建立了相应的数学模型并进行了求解。还用实验证实了理论的正确性。此方法实现了油泵供油量和均匀度调整的同步进行,减少了生产中调试油泵的时间。