发动机异响的分析与诊断

发动机在运转中,内部发出不正常的响声是多种多样的,往往发动机在运转过程中产生的超过技术文件规定的不正常响声,称为发动机异响。发动机异响在同一发动机上不同性质的故障反映出来的响声很相似,在不同的发动机上同样性质的故障所反映出来的响声却不一样,加上正常声音和不正常的响声混杂在一起,因此给判断响声带来一定的困难。但是,只要我们掌握检查、判断的基本方法,弄清响声特点,出现时机、变化规律,就可较准确地判断出响声发生的部位及性质。     

捷达轿车发动机异响故障的排除

一辆10款捷达轿车,在高速行驶时发动机有异响,通过逐缸断火试验,确定异响为第四缸机械故障,再进行测量机油压力,判定问题就在曲轴主轴颈或轴瓦上,解体发动机后,发现一曲轴轴颈间隙明显过大,更换该主轴瓦后,装复发动机并运行,异响消失。     

发动机前端异响的诊断分析和改善

针对设计开发初期某发动机前端在怠速和加速工况下都存在比较严重的异响问题,通过在整机台架上对附件皮带进行近场噪声测试,结合带段频率计算和噪声频谱诊断分析,得出了附件皮带是产生怠速异响的主要原因。同时对发动机正时罩进行结构改进,减小了加速工况下正时罩这类薄壁件的共振噪声;对正时链条进行优化设计,减小了正时链系统产生的阶次噪声。实测结果表明:控制好发动机前端异响的主要途径有三个方面,附件皮带的张紧力、正时罩壳体结构表面的动刚度和正时链条系统的振动冲击作用。     

汽车发动机异响故障检修分析

汽车发动机异响是汽车辆使用过程中经常出现的一种现象,它表明发动机存在某种故障,而这种故障会影响到发动机的性能发挥,应及时诊断和排除。文章主要分析了汽车发动机异响故障检修。     

简述发动机出现异响的原因及排除方法

发动机发生故障时,时常伴随着异常声音出现。分析了几种故障产生的原因及异响特征,并提出了排除方法,以供参考。     

汽车异响的诊断与排除

由于汽车结构复杂，工作条件较差，当汽车技术状况变差时动力性、经济性、可靠性都会下降，汽车发生故障时常常伴随着异响的出现，本文分析了汽车产生异响的主要原因，容易产生异响故障的部位和解决问题的办法。     

汽车底盘异响故障的辨别与诊断

通过对汽车底盘产生的各种异响现象进行分析,检查出行驶时底盘再次出现异响的时间、条件和部位,进行可行性分析,得出底盘异响故障诊断、分析结论。     

汽车底盘异响故障的辨别与诊断

通过对汽车底盘产生的各种异响现象进行分析,检查出行驶时底盘再次出现异响的时间、条件和部位,进行可行性分析,得出底盘异响故障诊断、分析结论。     

浅谈诊断发动机异响

本文从发动机的点火系、燃油供给系、润滑系、工作温度及外部连接情况，发动机的使用和保修情况，利用发动机低温时机，转速四个方面阐述了综合判断发动机异响故障的原因，并总结出了四种易混淆的异响，本文对运管部门安全车检有很大的实用价值和借鉴意义。     

浅谈汽车底盘异响故障的辨别与诊断

通过对汽车底盘产生的各种异响现象进行分析,检查出行驶时底盘再次出现异响的时间、条件和部位,进行可行性分析,得出底盘异响故障诊断、分析结论。     

基于噪声和图卷积神经网络的电机故障诊断

文章针对旋转机械设备维护和噪声监测治理的需求,提出了一种基于电机噪声信号和图卷积神经网络的故障诊断算法。该算法对时域数据进行傅里叶变换,将变换后的频域数据转化为图数据,利用提出的新型图卷积神经网络结构对图数据进行训练并分类。搭建电机故障实验平台,完成了6种不同状态的电机噪声信号采集与实验验证。实验结果表明,图卷积神经网络能根据有限的电机噪声信号有效识别出电机故障,并具有一定的小样本学习能力,能够在样本量较少的情况下进行故障分类。对比分析表明,该算法分类准确率优于K最近邻-图算法、一维卷积神经网络、自动编码器和支持向量机等其他算法,为实际工程应用提供了参考。     

基于盲信号处理的机械噪声监测与故障诊断

摘　要: 在介绍盲信号处理统一模型的基础上,全面归纳了其典型算法,综述了它在机械噪声监测与故障诊断中的研究现状,重点讨论了混合模型、噪声盲源分离与盲解卷积、盲源分离与多种技术的结合、噪声监测与诊断系统研究等方面的应用,并指出需要进一步研究的主要问题。
     

分布噪声源诊断的偏相干理论与方法

本文分析了相干分析方法在声源诊断中的弱点，提出了分布声源偏相干诊断的理论，并建立了与其相应的数学模型，还探讨了分布声源相干诊断中近场测点的布置方法，给出了应用实例。     

基于变差函数的噪声图像的多尺度边缘检测

基于区域化变量理论,针对受噪声污染的图像,本文提出了一种基于变差函数的多尺度边缘检测新方法.该方法根据图像各个不同区域的数据的不同方向的变差函数值来判断该区域是否存在边缘以及边缘的方向性,然后根据该区域边缘的方向性,在水平和垂直方向分别进行不同尺度的小波变换,进而达到在确保边缘定位准确的同时,尽最大可能去除由于噪声以及图像灰度不均匀产生的伪边缘点.仿真实验表明,本文算法在对受高斯白噪声污染较严重的图像进行边缘检测时能有效的去除噪声对图像边缘检测的影响,从而证明了该方法的可行性、有效性.     

基于声辐射逆问题的故障诊断与噪声分析的研究

本文采用全特解场边界元求解声辐射逆问题的方法,通过对故障诊断和噪声源分析、相位分析、声环境设计的仿真计算与讨论,初步揭示了声源与其所发生声场的逆关系。计算结果可为噪声控制、故障诊断、声环境设计等工程实际应用提供有价值的参数。     

基于分形理论的自动舵液压阀故障诊断方法研究

针对自动舵液压阀工作过程中存在的非线性问题,提出一种以阀芯位移信号分形特征为判据的故障诊断方法,并研究了分形特征参数——关联维数的计算方法和参数的选择。在建立液压阀数学模型的基础上,对液压阀正常和故障进行仿真,通过确定时间延迟、嵌入维数和无标度区,计算阀芯位移数据的关联维数。结果表明:不同状态的关联维数值具有明显的可分性,可以定量表征液压阀的工作状态,进而达到装备故障诊断的目的。     

解相关多频率经验模态分解的故障诊断性能优化方法

针对故障诊断中采用EMD方法存在模态混叠现象,引起故障特征提取精度低的问题。提出了一种解相关多频率经验模态分解(Decorrelation Multiple-Frequency Empirical Mode Decomposition,DMFEMD)方法,首先对初始信号添加多个频率的掩蔽信号,初步分解其中不同频率比的信号分量得到多个IMF分量;其次计算相邻IMF之间的相关系数并对其解耦,进一步分离IMF中存在混叠的部分,得到最优IMF;最终,从原始信号中减去最优IMF,然后重复上述步骤,直到残余分量为常数或单调。由于保证了IMF之间互不相关且互不干扰,因此模态混叠现象显著减弱,有效提高故障特征提取精度。利用排列熵算法对一系列最优IMF构造特征样本集,引入SVM建立故障分类模型,实现设备故障诊断。通过试验证明,DMFEMD与传统的方法相比,能有效分离不同频率比混合信号,提高分解效果。同时以轴承振动信号为例,DMFEMD可以更好的提取轴承的故障特征,结合PE与SVM能够实现不同故障类型的高效精确的诊断。     

基于噪声水平自适应估计的往复压缩机振动信号局部投影降噪方法

局部投影降噪算法在其应用过程中,邻域的选择对降噪效果有较大影响。提出了改进算法以解决传统算法中邻域难以选取的问题。该方法利用小波包分解技术,依据频带能量的差异将原始信号分解为噪声频带和系统信号频带,将噪声频带能量占原始信号能量的比值估计为噪声水平。在一定程度内逐步增加分解层数,直至该噪声水平收敛。根据收敛时的噪声水平估计相空间中相点的邻域半径,此外利用该噪声水平可实现对原始信号的盲信噪比估计。对含噪的Lorenz和Rossler序列进行数值仿真,结果表明该方法的降噪效果优于一些传统方法和基于定量递归分析的局部投影降噪算法。对实测往复压缩机振动信号的降噪研究,进一步表明了该方法的有效性。     

基于波束形成方法的货车车外加速噪声声源识别

综合基于波束形成的噪声源识别方法和外场车外加速噪声测量技术,构建一套完整的针对运动声源的车外加速噪声外场声源识别测试系统,给出了相应的测试计算流程与方法。利用该系统完成货车车外加速噪声声源识别试验,确定发动机为该货车车外加速噪声的主导噪声源,且对应最大噪声时刻发动机转速为２４００ｒ／ｍｉｎ。进一步的发动机噪声源识别结果表明：涡轮增压器、发电机、气缸盖罩是其主要噪声辐射源。     

基于Otsu阈值法与形态学自适应修正的舌像分割方法

为了从原始舌图像中精确分割出舌体以实现中医舌诊的客观化,提出了一种基于Otsu阈值法与形态学自适应修正的舌像分割方法。该方法提取原始舌像的RGB色彩空间与HSV色彩空间中G、B、V通道的信息,运用Otsu阈值法对舌像进行二值化,基于先验知识对目标区域进行聚类,采用形态学运算方法,利用舌体当量直径自适应选取结构元素的大小,对聚类结果进行开启运算修正得到舌像分割结果。基于200幅不同形态、不同舌色类别原始舌像的实验结果表明,该方法能稳定精确地分割出舌体,与传统的Otsu方法及灰度投影-Otsu方法相比,准确率有了很大的提升。