利用转速波动信号诊断内燃机失火故障的研究(2)--波形分析方法

提出了利用转速波动信号诊断内燃机失火故障的３种方法,包括诊断模型方法（１）,波形分析方法（２）和多特征综合方法（３）。本介绍了第２种方法－波形分析方法。通过深入分析瞬时角加速度和瞬时转速信号和波形特点,直接定义了６种诊断失火故障的无量纲特征参数,给出了这些参数的快速提取算法和故障识别方法,试验结果表明,这６种特征参数都与内燃机工冲况和结构参数无关,可以同时实现失火气缸的识别与定位。     

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.     

基于曲轴扭振信息识别的柴油机失火气缸判别方法

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。     

利用转速波动信号诊断内燃机失火故障的研究(1)--诊断模型方法

提出了利用转速波动信号诊断内燃机失火故障的３种方法,包括诊断模型方法（１）、波形分析方法（２）和多特征综合方法（３）。本介绍了诊断模型方法。通过分析曲轴飞轮系统的学特性,建立了简明实用的瞬时转速诊断模型,揭示了瞬时转速波动信号与气体力扭矩及各缸气体压力之间的本质联系;进而将模型方程转换到频域内处理,定义了４种诊断失火故障的无量纲特征参数,给出了这些参数的快速提取算法和故障识别方法。最后通过试验研     

利用转速波动信号诊断内燃机失火故障的研究(3)——多特征综合方法

提出了利用转速波动信号诊断内燃机失火故障的 3种方法 ,包括诊断模型方法 (1)、波形分析方法(2 )和多特征综合方法 (3)。重点介绍了第 3种方法 ,选取前 2种方法中提取的多种无量纲特征参数 ,利用模糊模式识别技术进行信息融合 ,首先快速识别整机有无失火故障 ,然后在有必要时再进行故障气缸的定位。试验结果表明 ,该方法充分利用了多种诊断特征参数的信息互补性 ,提高了诊断效率和识别正确率 ,并能满足在线监测和实时诊断的要求     

利用转速波动信号诊断内燃机失火故障的研究

提出了利用转速波动信号诊断内燃机失火故障的3种方法,包括诊断模型方法(1)、波形分析方法(2)和多特征综合方法(3).重点介绍了第3种方法,选取前2种方法中提取的多种无量纲特征参数,利用模糊模式识别技术进行信息融合,首先快速识别整机有无失火故障,然后在有必要时再进行故障气缸的定位.试验结果表明,该方法充分利用了多种诊断特征参数的信息互补性,提高了诊断效率和识别正确率,并能满足在线监测和实时诊断的要求.     

宽域氧传感器用于发动机失火监测的研究

分析了宽域氧传感器诊断发动机失火的原理,以TJ376QE电控汽油机为例模拟失火故障,并进行了试验研究.结果表明,宽域氧传感器能够判断发动机失火故障,即使在高速的工况下也能够准确地检测失火;特征信号的幅值随负荷加大而变大,延迟随负荷加大而减小,更有利于对失火的检测.     

电控柴油机的在线失火诊断策略研究

为了满足日益严格的排放法规，电控发动机均要求装备OBD(在线诊断)系统。而在线的失火诊断则是电控柴油机故障诊断项目中的一个重要内容。为此采用曲轴的瞬时角加速度对发动机的失火故障进行监测，并制定了相应的诊断策略。实机试验表明，该失火诊断策略能实时有效地诊断出失火故障。     

基于灰色关联和D-S组合规则的磨煤机故障诊断

针对灰色关联分析中特征矢量的无量纲化处理和灰色关联度方面主观性较强的问题,提出了基于D-S组合规则的灰色关联分析方法.通过在同一特征矢量范围内计算灰色关联系数,避免了无量纲化,然后运用D-S组合规则融合灰色关联系数,直接得到确定的灰色关联度,从而很大程度上减少了主观性.该方法能够有效地处理故障征兆与故障类型之间的不确定性,且具有很好的分辨力.将此方法应用在磨煤机故障诊断中,实例诊断结果表明该方法能够做出早期故障预测并有效判别故障类型,具有工程实用价值.     

基于瞬时转速和ART2神经网络的柴油机故障诊断

分析了利用瞬时转速诊断柴油机故障的可行性,针对多数基于神经网络的故障模式诊断方法存在对未学习过的故障诊断能力差的缺陷,提出将瞬时转速与ART2神经网络相结合的柴油机故障诊断方法。在怠速工况下采集相关数据,实测数据的测试表明该方法诊断精度高、诊断结果可靠,故具有较高的实际应用价值。     

基于传感器信号和神经网络的汽油机失火状态识别方法

提出以传感器信号作为特征输入向量,建立BP神经网络模型进行失火状态识别的方法。汽油机运行状态可以通过发动机转速、进气歧管绝对压力、节气门开度等主要参数来表征,利用解码器,获取发动机稳定和瞬态空载工况下正常状态和1缸、1、4两缸失火状态的上述传感器信号数据,以此作为训练样本,建立了BP神经网络模型进行失火状态的识别。结果表明,此方法能正确识别出正常状态、一缸和两缸失火状态,并且测试方案更简单,成本更低。     

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。     

基于瞬时转速和双谱的内燃机故障诊断研究

首先对双谱分析和瞬时转速信号的特点进行分析，测量6135柴油机在正常、轻微故障和严重故障三种状态下的瞬时转速，分别计算其双谱，得到了具有明显区别的双谱幅值图；通过计算双谱对角切片，可以容易且有效地识别故障的存在；进一步分析双谱相位信息，可以确定单缸断油时的故障缸位置。根据瞬时转速的双谱特征进行故障诊断，故障特征明显，诊断效果良好。     

基于统计模拟的柴油机失火故障的诊断方法

针对军队装备试验价格昂贵，试验次数较少，试验具有继承性等特点，可以运用小样本统计分析方法进行装备故障状态的诊断。提出了基于柴油机排气噪声来检测其失火故障，通过提取其频域特性参数(峰值比h21和总能量)，运用统计模拟Bootstrap方法，模拟得到在大量试验数据下特征值的置信区间，绘制出各种特征参数的直方图，实现了正常、掉1缸、掉2缸故障的定量诊断。结果证明，Bootstrap方法能解决实际中由于成本或现场条件的限制而无法多次采样的问题，较客观地反映故障现象的本质，可针对不同状态的故障进行模式识别，减少试验次数，节省试验经费。     

针对OBD-Ⅱ法规的失火诊断系统开发环境研究

各国对于车用发动机排放的控制日趋严格。ＯＢＤ—Ⅱ法规是最新推出的控制汽车排放的法规之一。本文介绍了一种针对ＯＢＤ—Ⅱ法规的失火诊断试验装置,它包括：可控的失火发生装置、瞬时角速度高速测量装置和诊断算法研究环境。通过在切诺基吉普车用直列四缸Ｉ４电控汽油机上试验,证明此装置可靠     

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。     

高速柴油机气阀组件振动监测诊断技术试验研究

介绍了利用气缸盖表面振动信号对高速柴油机气阀组件等故障进行的振动监测诊断试验研究。分析了引起缸盖振动的激励源特征;对单缸熄火和气阀组件等故障进行了模拟试验;对不同故障状态的气缸盖表面振动信号进行了测量分析,提取用于故障诊断的特征参数,建立了不同类型及不同程度故障与特征参数间的相互关系。