舰船柴油机缸内工作过程监测系统设计与实现

柴油机缸内工作过程监测是准确掌握柴油机工作状态,及时发现早期故障隐患的重要手段。介绍了舰船柴油机缸内工作过程监测技术应用现状,提出了柴油机缸内工作过程监测系统的设计方案,针对该监测系统在设计与研制过程中存在的高温动态压力传感器、数据采集模块、数据分析处理方法、系统故障诊断与预警等主要技术难题,给出了具体实现方法。通过对船用柴油机热工性能实际监测与诊断分析应用表明,该系统具有良好的柴油机热工性能分析和故障诊断实用价值。     

船用柴油机气缸套几何误差在线测量技术研究

设计一套船用柴油机气缸套几何误差在线测量系统,分析机床定位误差、传感器安装及测量误差对缸套表面各被测点坐标计算准确度的影响,建立测量误差计算数学模型。基于非线性规划方法建立缸套直线度误差、圆度误差、圆柱度误差的评定数学模型,通过与现有测量数据及误差评定模型的对比分析,表明该模型评定准确度较高。搭建在线测量原型系统,并进行测量实验,实验数据表明该系统具有结构简单、检测准确度及检测效率高等特点。     

基于状态评估的柴油机故障诊断系统

根据柴油机状态评估过程中的特点,把数据仓库、数据挖掘、信息融合、模型库结合起来,设计了新型的柴油机状态评估模型,并根据此模型进行了某型柴油机状态综合评估与故障诊断系统软件的开发,取得了良好的效果。     

内部EGR对柴油机HCCI高负荷拓展因素的影响

为了研究内部废气再循环(EGR)率对柴油机HCCI高负荷拓展因素的影响,以某型柴油机为例,在不同内部EGR率情况下,采用计算流体力学(CFD)方法对柴油机HCCI燃烧过程进行了仿真计算。结果表明:随着EGR的增大,缸内平均燃烧温度降低;燃空当量比逐渐降低;燃烧持续期先缩短后延长,在EGR率为35%时燃烧持续期最短;缸内最大压力升高率降低;柴油机IMEP(平均指示压力)先增大后降低,在EGR率为35%左右时达到最大,为0.573 MPa。     

超大型柴油机摇臂锻造工艺开发

简述了一种大型柴油机摇臂的结构,分析了摇臂锻造工艺方案,对锻件及锻模进行了三维建模,简述了锻件的试模和试模后的改进情况。     

柴油添加剂对柴油机排放的影响

采用一台增压中冷柴油机,分别燃用0号柴油和按5%、10%、5‰比例添加某燃油添加剂,对发动机气态污染物排放特性进行对比分析。外特性工况,各加剂燃油THC排放有升高,且随掺比增加呈现正相关趋势,NO_X和CO排放没有明显差异。小负荷工况时,随转速升高,各加剂燃油CO排放差异变大,但没有明显改善,NO_X排放差异性较小。中高负荷时,各加剂燃油对CO排放没有明显差异,NO_X排放有一定改善。部分负荷时0.5%添加剂使得THC排放恶化明显。     

某型柴油机机油压力低故障机理分析

目前某型柴油机普遍存在机油压力低问题,并且在数量上有蔓延和扩散的趋势;在解决油压低问题时,是进行某些零部件的简单更换(如机冷、机滤、油泵等),并没有找到引起油压低问题的共性原因和统一的解决方法,最终解决效果往往差强人意,油压低问题仍然反复出现。导致油压低问题的原因,可能是单个系统异常,引起相关系统之间产生互相影响,最终表征出的一种综合性故障现象,解决油压低问题的难点是找出引起油压低的起始因素,同时排除其他关联系统产生的被动干扰。本次机理分析逻辑流程如下:首先从系统原理逐一分析、排查;对干扰因素运用数据统计方法进行初步判断,最终通过对比试验排除干扰因素,针对性找出油压低问题的根本原因。     

钻井用柴油机拉缸及轴承损伤原因分析

柴油机作为钻井施工作业的重要设备之一,具有工作效率高、经济成本低的特点,保障了钻井作业的稳定性和可靠性。但是由于柴油机在长时间、大功率的作业状态下,极易造成柴油机拉缸、主轴承损伤以及其他零部件损坏,导致柴油机出现故障无法进行正常作业,严重影响钻井施工的顺利进行。因此针对柴油机发生拉缸及轴承损伤等故障原因进行分析研究,并采取合理有效的维护维修措施,以确保柴油机良好的使用效率和工作效率。     

某曲轴结构参数疲劳特性影响研究

针对给定的某款六缸柴油机曲轴,采用有限元法对其在弯矩载荷作用下的应力状态进行分析,在此基础上结合正交试验设计,分析一些主要的结构参数对曲轴弯曲疲劳强度的影响。研究结果表明,曲轴的主要结构参数中,过度圆角的半径值对曲轴的结构疲劳特性影响最大,其次为曲柄的厚度,最后则是重叠度。通过该研究,为曲轴的结构抗疲劳设计提供一定的理论依据与指导。     

基于VMD与KFCM的柴油机故障诊断算法

针对柴油机的故障诊断问题，提出了一种基于变分模态分解（variational mode decomposition，简称VMD）与核模糊C均值聚类算法（kernel fuzzy C-means clustering，简称KFCM）联合的故障诊断方法。首先，针对VMD算法中分解层数K的选择问题进行了自适应优化；然后，从优化VMD算法的分解结果中选取3个关键分量计算最大奇异值，并将其作为3维的特征向量输入KFCM算法中进行分类识别；最后，对仿真信号以及某型柴油机的模拟故障实验信号使用优化VMD、传统VMD和经验模态分解（empirical mode decomposition，简称EMD）方法分别进行分解与识别。结果表明，笔者提出的方法明显改善了模态混叠现象，提高了模式识别的诊断正确率，提出的联合算法具有更好的应用前景。