基于小波包和遗传BP神经网络的缸套-活塞组磨损研究

采用对比试验的方法,研究了柴油机缸套-活塞组磨损对气缸漏气率和燃油消耗量的影响。针对柴油机缸套-活塞组不同的磨损运行状态,利用机身振动信号进行了研究。然后,利用小波包时频分析方法进行特征量提取,最终利用遗传算法改进后的BP神经网络实现了磨损故障模式识别。     

某大功率主机缸套活塞异常磨损原因分析

针对某型大功率柴油机在实船使用工作过程中出现缸套、活塞、活塞环大范围异常磨损的故障,通过对相关零部件制造质量和装配质量的分析,并结合柴油机故障报警情况,得出:故障原因系活塞销内套管弹性挡圈断裂,致使润滑油无法正常供给,最终导致缸套异常磨损。     

柴油机缸套-活塞组磨损的监测研究

采用对比试验的方法,研究了柴油机缸套-活塞组磨损对气缸漏气率和燃油消耗量的影响.针对柴油机缸套-活塞组不同的磨损运行状态,利用机身振动信号及油样光谱分析方法进行了研究.结果表明,机身振动信号、油样光谱分析方法可以对缸套-活塞组磨损运行状态实现有效的监测,并为多信息融合技术提供试验方法和数据基础.     

柴油机缸套-活塞副磨损动态监测方法研究

选择柴油机缸套-活塞副运行工况中的磨损状态和磨损超限状态进行了研究。针对柴油机缸套-活塞副不同的磨损运行状态，利用机体表面振动及油样铁谱分析方法进行了研究。结果表明：柴油机缸套-活塞副处于不同磨损状态时，机体表面振动相应地变化，润滑油中磨损颗粒的成分、形貌及尺寸也会发生．相应的变化；机体表面振动、铁谱分析方法可对缸套-活塞副磨损运行状态实现有效的监测，并为多信息融合技术提供方法和数据基础。     

某二冲程柴油机气口挂环的原因分析

具体分析了某二冲程柴油机活塞环气口挂环折断故障,由于活塞对中无向排气口对侧的修正值,在高温气流冲刷和高温引起的膨胀作用下,造成排气口间肋过度磨损;导板间隙超限,使活塞承受侧推力的作用,加剧活塞环与缸套间的磨损和撞击,二者共同作用,导致故障发生。并对此提出了改进措施。     

连杆衬瓦与缸套上缘磨损的相关性分析

为了分析连杆小头衬瓦的磨损与缸套上缘的点蚀之间的关系,从衬瓦摩擦原理和活塞的横向振动对缸套的影响原理出发,推断衬瓦在上止点摩擦的状态以及其与活塞横向摆动的关系。并通过量化衬瓦磨损状况和缸套上缘磨损状况以及分析两者量化量的相关性证明两者的关系,结果表明两者存在较强的关联性以及偏磨对两者相关性有影响。     

柴油机活塞与缸套的匹配研究现状

从缸套-活塞组的摩擦、缸套失圆机理、缸套与活塞组润滑等多个方面对柴油机活塞与缸套的匹配研究现状进行综述,并对缸套-活塞组的研究趋势做了预测性分析。     

缸套-活塞环磨合过程磨合油影响因素研究

在销-盘摩擦磨损试验机进行船用柴油机缸套-活塞环材料配副磨合磨损试验,利用油液检测技术研究不同磨合油对其磨合过程的影响.光谱分析结果表明:当使用加入金属陶瓷添加剂的CD40润滑油磨合时,油液中磨损性元素Fe,Cu,Al和Pb的含量在30 min后呈下降趋势,说明缸套-活塞摩擦副在30 min后已完成磨合;当使用CD40润滑油磨合时,油液中磨损性元素Fe,Cu,Al和Pb的含量在40 min后呈下降趋势,说明缸套-活塞摩擦副在40 min后已完成磨合.铁谱分析亦证明了光谱分析结果.因此,在CD40润滑油中加入金属陶瓷添加剂可缩短缸套-活塞环摩擦副磨合时间.     

某船用大功率柴油机拉缸故障分析

针对某船用大功率柴油机运行过程中的拉缸故障进行拆检分析和有限元仿真研究.分析与研究结果表明:润滑油喷嘴堵塞影响了活塞热量散发和气缸套有效润滑,在高负荷下加速了零件磨损,进而导致拉缸故障.不同负荷下,活塞、气缸套和活塞环均向外部膨胀,活塞与气缸套间存在足够的热膨胀余量;而活塞环与气缸套间将出现过盈配合,在高负荷和润滑失效的情况下将导致拉缸故障.     

柴油机磨损故障振动诊断机理的研究

本稳分析了现有振动方法在柴油机故障诊断研究和实际应用方面存在的问题，提出了基于振动产生和传播机理的诊断研究方法，介绍了基于这种方法的活塞－缸套磨损和滑动主轴承磨损故障振动诊断机理的理论分析和试验研究结果，提出了一种新的振动诊断法。     

基于小波包能量特征向量神经网络的旋转机械故障诊断

为精确诊断旋转机械的故障,提出一种基于小波包特征向量的神经网络故障诊断方法。用转子台信号模拟旋转机械故障,并对采集到的信号进行3层小波包分解,构造小波包特征向量,并以此为故障样本对3层BP网络进行训练,实现智能化故障诊断。实验结果表明训练好的神经网络能够很好地诊断出转子台故障类型,为旋转机械的故障诊断提供了新方向。     

基于局域波-粗糙集-神经网络的故障诊断方法研究

提出了一种基于局域波-粗糙集-神经网络的智能故障诊断方法。首先通过局域波法进行故障特征提取,获取能够反映设备运行状态的由局部能量组成的特征向量;接着应用粗糙集理论对样本特征参数进行属性约简,去除冗余信息,获取最优的决策系统;最后根据最优决策系统来构造RBF神经网络,并进行故障诊断。以柴油机缸套活塞磨损故障为例,详细说明了基于粗糙集-局域波-神经网络的故障诊断方法的原理和步骤。诊断结果证明了此方法的有效性。     

基于蚁群算法的神经网络在发动机故障诊断中的应用研究

BP算法在神经网络中应用较为广泛，但有收敛速度慢、易于陷入局部极小点的缺点。而蚁群算法是一种新型的模拟进化算法，有正反馈、分布式计算、全局收敛、启发式学习等特点。将蚁群算法和神经网络结合起来，应用于发动机故障诊断中，可以提高运算效率，具有广阔的应用前景。     

基于PCA-GABP神经网络的发动机负荷特性预测

针对BP算法存在的不足,本文提出了一种PCA-GABP神经网络方法预测发动机负荷特性,该方法由主成分分析(PCA)和遗传神经网络(GABP)两部分构成,采用PCA技术减少网络输入变量、精简网络结构、提高学习效率;GABP算法采用局部改进遗传算法优化神经网络权值,并采用自适应学习速率动量梯度下降算法对神经网络进行训练。预测结果表明该方法在准确性和收敛性方面都优于BP算法。     

基于BP神经网络的温度控制系统

文中介绍了基于BP(Back Pmpagation)的神经网络气化炉温度控制系统。对BP神经网络控制算法作了详细的介绍，运用模糊逻辑控制概念赋予隐层含义，并决定其节点数，同时用高斯核函数作为节点激励函数，并做了仿真研究，叙述了系统的硬件与软件构成，试验表明所设计的系统操作方便、安全可靠，所选择的控制算法适应性强，控制效果良好。     

考虑预报因子选择的神经网络降雨径流模型

为优化神经网络模型的应用效果,研究了基于神经网络的降雨-径流模型,根据Copula熵法确定预报因子,并与传统的线性相关法进行比较分析,采用BP、RBF、GRNN三种神经网络建立降雨-径流模型,应用均方根误差、合格率、确定性系数三个指标为模型选取评价准则。通过对金沙江流域的径流预报,发现基于Copula熵法的BP模型预报结果更接近实测值,精度更高。     

Prediction of Heat Transfer Rates for Shell-and-Tube Heat Exchangers by Artificial Neural Networks Approach

This work used artificial neural network(ANN)to predict the heat transfer rates of shell-and-tube heatexchangers with segmental baffles or continuous helical baffles,based on limited experimental data.The BackPropagation (BP) algorithm was used in training the networks.Different network configurations were alsostudied.The deviation between the predicted results and experimental data was less than 2%.Comparison withcorrelation for prediction shows ANN superiority.It is recommended that ANN can be easily used to predict theperformances of thermal systems in engineering applications,especially to model heat exchangers for heattransfer analysis.     

基于支持向量机的燃气轮机故障诊断

分析燃气轮机的8种典型常见故障，建立了基于支持向量机的故障诊断模型，用实例计算证明其有效性。同时和神经网络方法对比后发现：在小样本情况下，支持向量机方法的计算结果比神经网络要好，推广能力更强，而且效率高于神经网络。本方法针对故障诊断样本少的特点，为建立智能化的燃气轮机状态监控和故障诊断提供了一种新的途径，具有广泛的实用价值。     

Heat transfer analysis for shell-and-tube heat exchangers with experimental data by artificial neural networks approach

This work applied Artificial Neural Network (ANN) for heat transfer analysis of shell-and-tube heat exchangers with segmental baffles or continuous helical baffles. Three heat exchangers were experimentally investigated. Limited experimental data was obtained for training and testing neural network configurations. The commonly used Back Propagation (BP) algorithm was used to train and test networks. Prediction of the outlet temperature differences in each side and overall heat transfer rates were performed. Different network configurations were also studied by the aid of searching a relatively better network for prediction. The maximum deviation between the predicted results and experimental data was less than 2%. Comparison with correlation for prediction shows superiority of ANN. It is recommended that ANN can be used to predict the performances of thermal systems in engineering applications, such as modeling heat exchangers for heat transfer analysis.     

基于KMO-PCA-BP的燃料电池堆输出电压预测方法

质子交换膜燃料电池输出电压为燃料电池健康状态和故障诊断的重要指标,输出电压受单电池电压、工作温度、气体流量、物质流量等参数的影响难以准确预测.为此根据燃料电池实验平台采集的数据集,进行KMO(Kaiser Meyer Olkin)相关性分析,验证数据集适合主成分分析.采用主成分分析随原始数据进行降维处理,确定影响燃料电...