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。     

奇异值分解与小波分析在柴油机振动信号降噪中的应用

介绍了奇异值分解与小波分析的方法,用数值模拟比较了两种方法的优缺点。将两种方法分别用于柴油机缸盖振动信号和气缸压力信号的降噪,用小波分析方法分离了整机振动对缸盖振动信号的影响;用奇异值分解方法去除了通道效应对测得的气缸压力的影响。     

柴油机气缸盖振动信号特征提取方法的研究

研究了基于短时AR分析、小波多分辨率分析和小波包分析的故障特征提取和识别方法,分析了柴油机气缸盖振动信号特征提取方法。得出了两条重要结论:基于短时AR分析的柴油机气缸盖振动信号整循环特征提取方法特别适合于短序列数据的分析;利用小波多分辨率分析和小波包分析以及Kllback-Leibler信息量最小,对柴油机表面振动信号进行分解与分析,确定各故障状态的特征频带,进而可用频带的时间序列的时序模型作为特征矢量,实现对柴油机运行状态故障的诊断。     

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。     

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。     

基于小波分析与神经网络的气阀机构故障诊断研究

运用小波分析对柴油机缸盖振动信号进行分析与讨论，计算二进小汉分解后尺度1信号在各个时间段内的能量百分比；将能量百分比作为神经网络的输入进行训练和故障识别，用BP网络及自组织聚类算法实现了气阀机构的故障诊断，取得了较好的效果。     

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。     

小波包算法在振动信号分析中的应用

针对柴油机振动信号的时频特性,阐述运用小波包算法对振动信号进行分析的方法.利用小波包良好的时频局部化特性以及避免信号频率混叠的移频处理方法,实现了对几种气阀状态振动信号时频特性的分析.结果表明,该算法在柴油机气阀故障诊断中具有可行性和有效性.     

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。     

利用振动参数监测和诊断柴油机滑动主轴承磨损状态的研究

本文介绍了柴油机滑动主轴承磨损状态的诊断研究,其中包括主轴承磨损状态的故障模拟试验、柴油机主轴承座和机座表面振动信号及相关热力参数的测定、振动信号的分析处理和监测与诊断柴油机滑动主轴承磨损状态的特征参数的提取。此研究为准确诊断柴油机的主轴承磨损状态提供了可行的方法。     

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     

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。     

冲击响应信号反演柴油机气缸压力的研究

以4120SG型柴油机为研究对象,分析了缸盖系统的激励源和响应特性,根据柴油机的发火顺序和相位关系,确定了缸盖表面振动的响应信号;采用倒频谱法进行了气缸内压力的反演研究,试验结果表明:对缸盖表面信号进行适当的预处理后,可以较好地反演出柴油机缸内压力信号,使得利用表面振动信号监测柴油机运行状态成为可能。     

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...     

二冲程柴油机机座表面振动信号的特征分析

为监测主轴承的磨损情况,对船用二冲程低速柴油主机机座表面的振动信号开展测试与分析。介绍了测试系统的组成和振动测点的布置。通过静态敲击试验,证实了缸内燃气爆发冲击和较远档主轴承的冲击对主轴承处机座表面的振动影响较小。通过对柴油机机座表面振动信号的时域波形分析,证实了对各档主轴承座附近机座表面的冲击振动进行监测,可以了解各档主轴承的磨损状态。研究结果为船用二冲程柴油机的振动监测提供了一个新的方法。     

12V190B柴油机瞬时转速信号的分析处理

柴油机瞬时转速和高压油管压力曲线中包含丰富的信息,可以广泛应用于柴油机测试和诊断。 12V190B柴油机工作时噪声和振动很大,瞬时转速实测结果中包含严重的干扰信号。将实测时序信号通过傅立叶变换转换到频率域内,采取合理的滤波处理,再通过傅立叶反变换,减少或减弱实测信号中的干扰信号, 获得真实瞬时转速曲线的规律性和周期性,可用于基本性能的分析和初步故障诊断。