柴油机故障诊断与分析

通过采集16V240ZJ型柴油机振动信号并利用小波包分解对振动信号进行消噪处理,利用频带分解技术提取振动信号的特征值向量,应用神经网络实现柴油机自适应的故障诊断。     

基于小波分析的软门限去噪算法

本文首先对离散小波变换进行了简单的介绍,其次详细的描述了小波软门限去噪算法,最后在搭建的发动机台架系统上,测试云内4100QB柴油机的振动信号.选择db3小波函数对信号进行消噪处理,说明确定适当的分解层数和合适的阈值的必要性.     

柴油机强噪信号的小波去噪辨识

介绍了基于小波变换系数门限值和基于小波极大模分解的去噪方法。对前给出了4种不同的门限值确定规则,对后给出了使用类似Mexican hat小波基的二进离散小波计算式。利用前对由电阻应变片测得的柴油机供油系高压管路压力波信号进行了去噪再现,利用后对含有活塞环胶结住处的柴油机机身振动信号进行了分解去噪。其效果是可以屏蔽背景噪声,较好地再现高压油管压力波形;可以提升活塞环胶结故障特征强度,从而为设备状态辨识工作提供了方便条件。     

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。     

基于小波包分析和神经网络柴油机故障诊断研究

对于柴油机而言,及时的对其实施故障诊断是十分必要的.小波包分析能有效的对柴油机缸体振动信号进行消噪处理,并提取表征柴油机故障的振动信号能量特征向量作为BP神经网络的输入值.本文中,对4100QB柴油机缸盖振动信号实验数据采用单隐层BP网络进行训练,并对不同故障模式进行分类识别,实验验证表明这一方法是非常有效的.     

局域波自回归谱及其在柴油机故障诊断中的应用研究

论述了信号局域波分解理论和方法，并结合时间序列分析，提出了适合于柴油机表面振动非平稳时变信号分析的新方法——局域波自回归谱(LW-AR)法。在柴油机的故障诊断中，该方法能够表达出非平稳信号的模糊频带和瞬时频率双重信息，为解决柴油机故障诊断的一些难题提出了新的思路，并通过诊断实例给予了验证。     

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。     

运用非线性动力系统理论进行船舶柴油机故障诊断

针对柴油机表面振动非稳态与多激励性的特点,从非线性动力系统理论角度进行信号的分析与处理。运用小波模量最大值对气缸盖螺栓表面的振动信号消噪,计算气门不同状态时的多重分形维数谱,定义故障特征向量,从而识别不同的故障。结果表明,这种方法对气门故障诊断是极为有效的。     

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的汽轮机碰摩信号消噪技术研究

基于EMD理论提出一种汽轮机振动信号自适应消噪方法,对实测汽轮机碰摩振动信号EMD消噪和小波软阀值消噪结果的比较表明,基于EMD消噪方法能够有效地消除旋转机械振动信号中的噪声.     

汽轮机动静碰磨振动信号去噪方法分析研究

为确保汽轮机组故障诊断特征提取的准确性,由于现场实际振动信号掺有大量不确定噪声信号,针对现场采集的实际振动信号,进行分析去噪研究.采用小波分析、经验模态分解等方法进行分解去噪,并进行去噪对比.最后分析结果显示,基于集合经验模态分解(EEMD)的去噪方法,在对有突变故障的诊断信号自适应分解去噪弥补了经验模态分解和小波分解的缺陷,有较好的效果.     

基于小波包的泵站机组振动信号特征分析

提出了一种应用小波包分析对泵站机组振动信号进行特征分析的方法。与小波分析相比,小波包分析能对信号的高频频带进一步分解,提高了频率分辨率。利用小波包对泵站机组振动信号进行了信号压缩与消噪以及奇异性分析,为诊断机组振动故障提供了决策依据。对泵站机组主轴摆度和轴承振动实测信号进行了分析,结果表明小波包分析可有效提取原始信号的特征。     

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...     

局域波边界谱在缸盖振动信号分析中应用研究

提出了一种新的谱分析方法－局域波边界谱，分析研究了柴油机缸盖表面振动信号的特性，较为详细地讨论了激励源及其响应，指出了基于傅立叶变换之上频谱分析的不足，同时对试验数据进行了有效的分析和比较，结果表明，在柴油机状态监测和故障诊断中，利用局域波边界谱对缸盖表面振动信号进行分析是有效的和可行的。     

汽轮机振动信号的最优小波包基消噪与检测

在利用小波包进行汽轮机振动信号的消噪和检测时,最优小波包基和消噪阈值的选取是必须解决的两个关键问题。通过对基于shannon熵的最优小波包基的快速搜索算法的探讨,提出了基于最优小波包基的汽轮机振动故障信号的消噪与检测方法;对于消噪阈值的选取,提出一种以小波包能量为基础,以原始信号与降噪后信号之间的均方误差(MSE)极小化为目标的基于小波包的降噪算法,并与传统的Donoho的硬阈值降噪算法作了比较。结果表明:在故障检测前先采用最优小波包基方法对故障信号进行消噪,有利于提高汽轮机振动检测的准确性。图5参9     

基于小波分析和时序分析的柴油机气缸压力识别

运用小波分析方法分析研究了柴油机缸盖振动信号的时频特性,较为详细地讨论了柴油机缸盖系统的激励源及其振动响应。用小波包分析方法对振动信号及气缸压力信号进行了有效的信噪分离,并依此利用时间序列分析方法对缸盖振动信号和气缸压力信号分别建立时序模型,求取缸盖振动系统的传递函数,再利用Ｐｏｗｅｌ算法对传递函数的参数进行优化处理,然后利用缸盖表面的振动信号识别气缸压力。     

基于Lab VIEW的小波理论在风力机齿轮箱故障诊断中的应用

给出一种基于Lab VIEW实现信号的小波包络分析的方法。在Lab VIEW的高级信号处理工具箱中包含了小波包信号分解和重构的模块,利用这些模块快速实现了小波包分解,然后对风电机组齿轮箱采集振动数据进行包络分析,得到了直观的包络谱线,进而得到准确判断风力发电机组的实际工作状态。另外采用小波分解对齿轮箱故障振动信号进行消噪滤波,通过小波包分解系数求取频带能量,根据各个频带能量的变化提取故障特征,为实现智能诊断提供故障特征值。     

基于小波变换的汽轮机振动信号软阀值消噪技术研究

信号消噪是小波变换的重要应用,介绍了小波消噪的基本原理及其主要步骤,以及软阀值消噪方法及软阀值规则的选取,最后利用实验仿真信号和现场实测汽轮机振动信号,并考虑噪声方差估计的对消噪的影响,分析比较了各种软阀值选取方式的消噪效果,从而得到软阀值选取方式的有价值的规律和原则,利用最佳软阀值处理后的小波系数重建信号,分析结果表明该方法能够最有效地消除噪声.     

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。     

基于小波分析的柴_燃联合动力装置信号消噪

在柴-燃联合动力装置试验台试验过程中,为消除测量信号中各种噪声和干扰的影响,减少测量数据试验偏差,保证试验数据的正常使用,以3S离合器中间件位移信号为例,采用db3小波进行5层分解,选用heursure软阈值进行小波系数阈值量化,然后进行重构,从而实现信号消噪。实验分析表明,利用小波分析进行信号消噪,原理简单,实现方便,具有很高的可靠性,消噪后的信号为提高整个系统在动力方面机动性的可行性提供了依据。