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。     

基于改进段角加速度和神经网络的柴油机失火诊断研究

针对失火故障中存在的高速轻载诊断困难,失火程度无法判别的问题,通过对比分析正常状态与失火情况下瞬时转速的特征,发现缩短段角加速度段长度,能够有效提升特征对失火故障的敏感度,同时,用神经网络方法代替阈值规则,能够很好地利用各缸特征值间的联系诊断失火。基于此,提出一种改进段角加速度和神经网络相结合的失火故障诊断方法。该方法能够实现对全转速范围单缸完全失火的诊断,且利用二级诊断的方式可以对失火程度进行有效判别,在高速轻载工况依旧具有很好的准确率。同时,提出的方法在学习阶段所需数据量小,适用于发动机失火故障的在线诊断。     

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。     

基于排气噪声双谱分析的坦克柴油机失火检测

介绍了目前多缸柴油机失火故障检测的常用手段。通过对坦克柴油机不同状态下排气噪声信号的双谱分析，提出了一种特别适合实车不解体检测失火故障的方法，并编写了应用软件。试验结果表明，该方法切实可行，不存在安装问题，成本低、操作简单、易于推广。     

基于排气噪声EMD的柴油机失火故障诊断

针对坦克柴油机失火故障诊断问题,在实车上模拟了失火故障,应用EMD对不同状态下的排气噪声信号进行了经验模态分解,利用Hilbert变换求取了主固有模态分量(IMF)的瞬时频率函数,以其围绕周期性排气噪声基频的波动方差和平均穿越率为特征参数,建立了一种诊断柴油机失火故障的方法。应用结果表明了诊断方法的可行性。     

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。     

基于非平稳周期循环特征增强的柴油机失火故障诊断研究

利用缸盖振动信号诊断柴油机失火故障时,由于柴油机工作背景噪声复杂,必须消除信号中的非周期分量和随机干扰,保留与柴油机工作循环有关的周期分量。提出一种非平稳周期循环特征增强方法,首先利用连续小波变换实现信号的时-频表示,进一步将信号的时-频特征映射到角-频空间上某一角度范围内,实现了周期瞬态特征的增强;最后,通过角-频空间中各缸工作相位内的能量与整个角度范围内能量之比,实现柴油机失火故障缸的准确定位。     

发动机多缸随机失火诊断算法研究

失火诊断是发动机在线故障诊断系统的重要内容,基于曲轴转速波动进行失火诊断是目前的常用方法。针对发动机多缸随机失火,在奇瑞477F汽油机上进行试验研究,提出了采用时域滑动平均方法修正的失火诊断算法。试验证明,该算法不需要进行断油自学习修正和供油自学习修正即可准确检测多缸随机失火。     

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     

基于神经网络技术的柴油机故障诊断

本文提出了一种新的柴油机故障诊断方法,利用柴油机表面振动信号经过小波包提取特征参数,然后由BP神经网络进行故障诊断。实验研究和计算机模拟的结果表明,这一方法是可行和有效的。     

基于无损检测的柴油机状态监测与故障诊断

针对柴油机各组成部分的主要故障模式和无损检测的需求,确定了对柴油机整机技术状态进行监测的参数;以便携式工控机为核心,配以不同功用的传感器、信号调理电路以及多路数据采集卡,完成了柴油机在线故障诊断设备的硬件设计;分析了柴油机故障诊断的原理;通过对有关动态信号的采集、分析和特征参数提取,实现了对柴油机进行无损检测和故障诊断的功能。     

基于粗糙集理论的柴油机神经网络故障诊断研究

介绍了粗糙集理论的核心内容 ,给出了基于 kohonen神经网络的连续属性值离散化方法。应用粗糙集理论对反映柴油机运行工况的特征参数进行了属性简化 ,剔除了不必要的属性。研究了 RBF神经网络故障诊断模型及学习规则 ,给出了基于粗糙集理论的 RBF神经网络故障诊断原理和步骤。通过对柴油机供油系统柱塞磨损故障的自动分类和诊断 ,表明该系统能有效地减少神经网络的输入节点数 ,克服了神经网络规模过于庞大及分类识别速度慢等缺点。     

小波神经网络法在柴油机故障诊断中的应用

用小波分析作信号处理手段提取柴油机振声信号特征量 ,以神经网络作为故障模式识别手段 ,进行了柴油机故障的振声诊断方法研究。针对柴油机振声信号的非平稳时变特性 ,应用小波理论中的小波包方法对其进行处理 ,结果表明小波分析是比傅里叶分析更为有效的处理柴油机振声这类非平稳信号的方法。在此基础上 ,研究了用神经网络实现根据小波包分解结果识别柴油机故障状态的方法。     

基于粗糙集理论的内燃机气阀故障诊断研究

在内燃机神经网络故障诊断系统的基础上 ,引入粗糙集理论 ,对其在内燃机故障诊断特征参数属性优化中的运用进行了探索。利用可辨识矩阵算法对决策表进行属性约简 ,剔除其中不必要的属性 ,揭示了故障诊断条件属性内在的冗余性 ,降低了神经网络构成的复杂性。最后给出了属性约简的结果。     

局域波关联维数在柴油机故障诊断中的应用研究

根据局域波分解理论，分析了信号经局域波分解后所得各内蕴模式分量的特性，提出了用各分量的关联维数来描述柴油机的工作状态。研究结果表明：在相同工作状态下，同一模式分量有相近的关联维数，而在不同状态下则关联维数明显不同，故关联维数可用于故障的特征提取，通过仿真分析和对6BB1型车用柴油机的故障诊断结果表明了该方法的有效性和工程实用性，从而为柴油机的状态监测与故障诊断提供了一种有效途径。