发动机特征振动信号的测试及小波分析

采用BSWA VS302 USB便携式双声道声学振动分析仪对DA462型发动机进行振动试验,试验时分别模拟气门间隙正常与故障状况,采集不同转速时不同气门间隙下发动机表面的振动信号.用db4小波对这些振动信号进行分解,重点分析了发动机排气门落座的冲击信号即D3层信号.分析结果表明：db4小波适合于发动机振动信号分析;发动机气门间隙的变化会引起振动能量的变化,气门落座冲击产生的能量占总能量的比例也会发生很大变化.根据测量不同转速时的能量分布结果和能量比数值,可以判断出当前气门间隙的工作状态,实现发动机在不解体情况下的状态检测.     

小波包变换和支持向量机相结合在发动机气门间隙故障诊断中的应用

为了对发动机气门间隙进行故障诊断,在对振动信号进行采集和预处理的基础上,运用小波包频带能量分解技术提取发动机故障的特征向量,以此作为支持向量机分类器（SVM）的训练样本,用经训练的SVM多分类器对发动机不同故障进行自动识别和诊断,实现了信号特征向量提取与故障模式识别的有机结合。实验结果表明,该方法能在机械故障样本少的情况下准确的识别和诊断出发动机气门间隙的故障类型,具有实际的工程应用价值。     

基于小波包和BP神经网络的发动机故障诊断

本文通过对缸盖表面的振动信号进行小波包分解并重构,求出各分量的能量并归一化作为特征参数,输入到BP神经网络中进行诊断和识别。实验结果表明:基于小波包分解和BP神经网络的方法能够实现对发动机气门不同故障程度进行识别。     

基于小波包和支持向量机的发动机故障诊断

本文对发动机缸盖振动信号进行小波包分集并重构,求取各子信号的能量并归一化处理作为特征向量,采用支持向量机的方法对故障进行模式识别。实验结果表明:基于小波包和支持向量机的方法能够实现对气门不同故障程度的识别。     

铁路货车轮对轴颈轴承内圈松动故障检测

采用声发射和振动加速度传感器对铁路货车轮对轴承内圈松动故障进行检测,并用小波包分析方法提取故障信号的能量特征向量,通过对内圈不松动和松动两种情况下能量分布的比较,提取高频带内能量与总能量之比作为特征参数,可有效诊断内圈松动故障。     

分形维数在内燃机振动诊断中的应用

将分形理论引入内燃机的振动诊断中,根据内燃机的配气定时,着重研究了缸盖振动信号中对应燃烧段的数据,计算其关联维数,将关联维数用于刻划内燃机缸盖在气门不同状态时表现的非线性行为,从而进行故障诊断与分类。结果表明,当气门在不同状态时,缺盖振动信号中对应燃烧段数据的关联维数是不同的,可以将其作为判断气门漏气的一个诊断特征量。     

基于小波包能量谱-神经网络的液压泵故障诊断

针对利用振动信号进行液压齿轮泵故障诊断，介绍了振动信号的小波包能量谱分析，指出了振动信号的小波包能量谱分析可以进行齿轮泵故障模式的识别，研究了利用RBF网络对振动信号的小渡包能量谱进行模式学习和识别的方法，并建立了相应的RBF网络。试验表明小波包能量谱分析一RBF网络方法可对液压齿轮泵的常见故障进行识别和诊断。     

EMD和SOM神经网络在燃气发动机故障诊断中的应用

提出了EMD和SOM神经网络相结合的燃气发动机故障诊断方法。将燃气发动机振动信号进行EMD分解,提取前几个IMF分量的能量构成故障诊断的特征向量,输入SOM网络进行聚类,再将测试样本输入训练好的网络模型进行故障识别,网络输出结果采用U矩阵图法进行显示。对燃气发动机正常、气门间隙大、排气阀漏气3种状态的信号分析结果表明,该方法可以有效地提取非平稳信号的故障特征,网络模型结构简单,对大数据量样本的聚类与识别准确率高,输出结果清晰、直观、可视性强,该方法为燃气发动机故障诊断提供了新的途径。     

结合多种方法的单缸汽油机噪声源识别研究

对152QMI单缸汽油机进行噪声及振动以及曲轴转角等信号的采集,在LMS Test.Lab软件中利用频谱分析和小波变换计算得出了该单缸汽油机噪声能量的主要分布范围,并以此作为噪声源识别的对象,利用阶次分析和小波变换筛选出该机噪声信号中频率不随转速变化的共振因素,随后在角度域内对信号进行小波变换,结合发动机配气机构等部件的运动特征研究识别相对于各频率带的发动机噪声源。研究结果表明,该发动机主要噪声频率带为800 Hz以下、2 000 Hz和4 000 Hz~5 000 Hz,各频率带噪声源分别为进排气噪声、缸盖共振和顶杆对摇臂的冲击以及气门落座冲击。     

基于能量耗损的发动机故障诊断方法研究

针对发动机在发生故障时都伴随能量耗损变化,提出一种基于能量耗损的发动机故障诊断方法.基于发动机系统输入输出的能量分析,建立发动机系统的能量监测模型;根据输入的流量与输出的功率,建立发动机系统的能量耗损模型;根据能量耗损机制,分析发动机运动副的摩擦与振动能量耗损诊断方法,建立摩擦和振动信息与能量耗损模型.以发动机活塞磨损故障为例,从振动耗能的角度,通过对测振信号的小波分析,得到能量耗损变化,诊断出活塞的磨损状态,验证了基于能量耗损的发动机故障诊断方法是可行的.     

基于小波包分解的机械振动信号分析

提出了一种新的基于小波包的振动信号故障特征提取方法,运用这种方法对柴油机表面振动信号经过小波包降噪处理,有效地剔除柴油机表面振动信号的噪声干扰,提高信号的信噪比。对降噪信号提取频带能量特征,为神经网络故障诊断提供了新的故障样本。     

基于多尺度核独立成分分析的柴油机故障诊断

为提高利用缸盖振动信号进行柴油机故障诊断的精度和速度,提出了一种基于多尺度核独立成分分析提取故障敏感频带的柴油机故障诊断方法。首先,提出奇异值能量标准谱对缸盖振动信号中的微弱冲击特征进行增强;然后,对信号进行固有时间尺度分解,并基于相关性准则选择有效频带分量;最后,利用核独立成分分析消除有效频带之间的频带混叠,得到故障敏感信息集中的独立频带,并计算其自回归模型(auto regression model,简称AR)参数、模糊熵和标准化能量矩作为特征向量输入核极限学习机(kernel extreme learning machine,简称KELM)进行柴油机故障诊断。试验分析结果表明,该方法可以快速准确地提取缸盖振动信号中的柴油机故障敏感频带,增强故障敏感特征,故障诊断准确率达到99.65%。     

工程机械混合动力系统实验台测控系统

为了研究工程机械混合动力系统的机电耦合特性和轴系的振动特性,研制了由柴油机、电动机和液压泵共轴连接组成的工程机械混合动力系统实验台.设计了由工控机、PCI总线控制卡和组态软件组成的实验台测控系统,分析测控系统输入信号和控制信号的数量与类型,确定测控系统控制策略的设计原则和开发过程.通过在柴油机输出轴的端面布置3个加速度传感器实现柴油机工作时曲轴的振动特性,对不同负载功率下柴油机曲轴的振动特性进行试验测试.测试结果表明,柴油机曲轴的振动能量集中在径向,轴向的振动能量可忽略不计;设计的测控系统能实现混合动力系统轴系振动性能测试.     

航空发动机转速调理模块设计研究

在航空发动机飞行试验中,需要对发动机转子基频激起的振动信号进行实时跟踪监视,在对振动信号进行监视的过程中需要可靠的测量发动机转速信号。当转速传感器因为某些原因输出信号为复杂信号时,一般的转速测量方法和设备无法直接测量,因此设计了航空发动机转速调理电路,对转速传感器输出的复杂信号进行预处理,得到幅值固定,频率与原信号一致的方波信号,从而为进一步发动机转速的准确测量和发动机振动的实时跟踪监视奠定了基础。     

柴油机缸盖振动信号典型特征提取

针对柴油机缸盖振动信号信噪比低且呈非平稳特性,提取柴油机振动信号的典型特征。通过分析缸盖在不同时刻受到的激振,判断汽缸各个部件的工作情况;提取信号振动烈度,并分析烈度与柴油机转速的变化关系,为柴油机的在线控制和故障诊断提供依据。     

Fault Feature Extraction of Diesel Engine Based on Bispectrum Image Fractal Dimension

Fault feature extraction has a positive effect on accurate diagnosis of diesel engine. Currently, studies of fault feature extraction have focused on the time domain or the frequency domain of signals. However, early fault signals are mostly weak energy signals, and time domain or frequency domain features will be overwhelmed by strong back?ground noise. In order consistent features to be extracted that accurately represent the state of the engine, bispectrum estimation is used to analyze the nonlinearity, non?Gaussianity and quadratic phase coupling(QPC) information of the engine vibration signals under different conditions. Digital image processing and fractal theory is used to extract the fractal features of the bispectrum pictures. The outcomes demonstrate that the diesel engine vibration signal bispectrum under different working conditions shows an obvious differences and the most complicated bispectrum is in the normal state. The fractal dimension of various invalid signs is novel and diverse fractal parameters were utilized to separate and characterize them. The value of the fractal dimension is consistent with the non?Gaussian intensity of the signal, so it can be used as an eigenvalue of fault diagnosis, and also be used as a non?Gaussian signal strength indicator. Consequently, a symptomatic approach in view of the hypothetical outcome is inferred and checked by the examination of vibration signals from the diesel motor. The proposed research provides the basis for on?line monitoring and diagnosis of valve train faults.     

Diesel Engine Valve Clearance Fault Diagnosis Based on Features Extraction Techniques and FastICA-SVM

Numerous vibration-based techniques are rarely used in diesel engines fault diagnosis in a direct way, due to the surface vibration signals of diesel engines with the complex non-stationary and nonlinear time-varying features. To investigate the fault diagnosis of diesel engines,fractal correlation dimension, wavelet energy and entropy as features reflecting the diesel engine fault fractal and energy characteristics are extracted from the decomposed signals through analyzing vibration acceleration signals derived from the cylinder head in seven different states of valve train. An intelligent fault detector FastICA-SVM is applied for diesel engine fault diagnosis and classification.The results demonstrate that FastICA-SVM achieves higher classification accuracy and makes better generalization performance in small samples recognition. Besides,the fractal correlation dimension and wavelet energy and entropy as the special features of diesel engine vibration signal are considered as input vectors of classifier Fast ICASVM and could produce the excellent classification results.The proposed methodology improves the accuracy of feature extraction and the fault diagnosis of diesel engines.     

小波包分析在柴油机故障诊断中的应用

运用小波包分析方法对柴油机缸盖振动信号进行预处理,并运用小波包频带的能量分析方法识别柴油机喷油雾化质量故障。在不同工况下的柴油机上测得两组振动加速信号,并对该信号进行分析,准确识别了故障。说明该方法对提取故障信息并进行诊断是行之有效的。