工程机械内燃机维修工艺改进探究

现阶段,我国社会经济发展水平日益升高,科学技术愈发完善,推动工程机械内燃机维修工艺的创新与发展。在工程机械内燃机维修中依然面临许多不足,对工程机械的正常运作带来不利影响。故此,文章将概述内燃机的基本原理,说明改进工程机械内燃机气门修理的技术误区,提出工程机械内燃机气门修理维修工艺改进方法,并分析工程机械内燃机过热故障的维修改进方法,以期为内燃机维修工作者提供工艺改进新思路。     

内燃机轴系扭转振动综述

根据目前内燃机发展趋势,确定了内燃机振动在内燃机设计中的重要地位。然后总结出内燃机轴系振动的形式,同时评析了内燃机轴系振动的力学模型、分析计算方法及近年来的最新研究动态。     

基于PCA和SVM的内燃机故障诊断

为有效对内燃机运行状态进行评估,根据内燃机振动信号特征和故障样本较少的特点,提出了基于主分量分析和支持向量机进行内燃机状态判别的故障诊断方法。提取内燃机振动特征参数,利用主分量分析消除其信息冗余,提取反映内燃机运行状态的主分量特征,实现内燃机振动特征参数降维。通过选择适合内燃机振动信号的径向基核函数,构造一对多的支持向量机多类分类器,对主分量特征进行训练学习,实现内燃机运行状态判别。通过对模拟内燃机不同运行状态的试验分析,结果表明该方法可以有效识别内燃机不同的运行状态。     

基于油液分析和时间序列模型的内燃机磨损状态监测方法

提出了一种基于油液分析和时间序列模型的内燃机磨损状态监测方法。将整个内燃机看作一个摩擦学系统,利用时间序列模型对摩擦学系统进行动态建模,建立能够表征内燃机磨损状态的数学模型。采用该模型对内燃机润滑油中各元素的变化趋势进行趋势分析,并应用实例对模型进行了检验。结果表明,该方法准确判断内燃机的磨损状态,为内燃机磨损状态监测提供了一种新的途径。     

基于瞬时转速的内燃机故障诊断及其方法分析

内燃机瞬时转速中包含了很多与内燃机燃烧和机械运行状态相关的信息,在其诊断和燃烧影响因素的研究中有重要作用,内燃机结构复杂,瞬时转速的信息提取难度较大,需要对故障诊断方法进行不断革新,才能确保内燃机的正常运行。文章主要就瞬时转速的内燃机故障诊断及方法进行了研究。     

内燃机变分模态Rihaczek谱纹理特征识别诊断

针对内燃机故障诊断中振动响应信号强耦合、弱故障特征的问题,提出一种基于内燃机振动谱图纹理特征提取的故障诊断方法。首先,为了清晰地刻画内燃机振动信号时频联合分布中的非平稳时变分量,将变分模态分解(VMD)与Rihaczek复能量密度分布方法有效结合,得到了时频聚集性好、无交叉项干扰的内燃机振动谱图像;针对VMD分解过程中的参数选取问题,提出将功率谱熵作为目标函数,对VMD的分解参数进行网格寻优,提高了VMD分解的自适应性。为了实现对内燃机振动谱图像的自动识别及故障诊断,提出了改进的局部二值模式(ILBP)方法,用来对振动谱图中蕴含的纹理信息进行分析,提取低维特征参量并采用最近邻分类器对内燃机不同工况的振动谱图像进行模式识别。将该方法应用于内燃机故障诊断实例中,结果表明该方法能有效提取内燃机振动信号中的微弱故障特征,实现内燃机故障的自动诊断。     

内燃机活塞环组环面压力与漏气的分析

在内燃机负荷、输出功率不断提升的背景下,对汽车内燃机排放也提出了更加严格的要求。而内燃机漏气量改善是汽车内燃机质量提升的关键影响因素。因此本文以内燃机活塞环组环面运动原理为入手点,对内燃机活塞环组环面压力计算方法进行了简单的分析。并参考相关文献资料,对内燃机活塞环组环面压力与漏气量之间的联系进行了进一步探究。     

内燃机油沉积物生成趋势研究进展

内燃机油的沉积物形成特性是评价内燃机油性能的重要指标之一。对近年来有关内燃机油中沉积物的形成机制、基础油组成与沉积物生成特性之间的关系以及内燃机油沉积物生成特性的新模拟评定方法方面的研究进行了综述。     

内燃机油在使用过程中的质量下降及其预防

详细分析了内燃机油在使用过程中质量下降的原因及其危害，简述了内燃机油质量下降的一些预防方法和内燃机油的更换。     

汽车内燃机活塞的表面防护与耐磨性能分析

本文对汽车内燃机活塞基本特性进行分析,并对内燃机活塞材料性能对汽车活塞带来的影响加以阐述,进一步探究提升汽车内燃机活塞的表面防护效果与耐磨性能的方法,希望能为改善与优化汽车内燃机活塞性能及延长使用寿命提供有效建议。     

基于CPSO-BP神经网络的柴油机排气门间隙故障诊断

针对柴油机排气门间隙故障信号不易提取的特点,提出了将混沌粒子群神经网(Chaotic particle swarm optimization-Back Propagation,CPSO-BP)聚类模型应用于柴油机排气门间隙故障诊断.首先,采用经验模式分解(Empirical Mode Decomposition,EMD)对柴油机振动信号进行分解,将得到的前6个模态函数能量百分比作为反映故障状态的特征参数,重构BP神经网并用混沌粒子群算法对其结构和权值进行优化;最后,基于优化的神经网对排气门间隙为0.2mm,0.4mm,0.6mm等3种故障工况的信号进行聚类.结果表明:所有样本的测试结果均与实际状况一致,该方法可以较好地用于排气门间隙故障诊断.     

基于EMD和AR奇异值的柴油机故障诊断

针对柴油机振动信号的非平稳特性和在现实条件下难以获取大量故障样本的实际情况,提出一种经验模态分解(Empirical Mode Decomposition,EMD)、自回归(Auto Regression,AR)模型和支持向量机(Support Vector Machine,SVM)相结合的柴油机故障诊断方法.运用经验模态分解方法对柴油机失火及气阀机构不同工况下的缸盖振动信号进行分析,计算各个内禀模态函数(Intrinsic Mode Functions,IMF)的AR模型参数向量以此组成初始特征向量矩阵,再计算此初始特征向量矩阵的奇异值,并将其作为支持向量机的输入特征向量以判断柴油机的工作状态和故障类型.试验结果表明:该方法在小样本情况下也具有较高的精度和较强的泛化能力.     

柴油机振动信号快速稀疏分解与二维特征编码

针对柴油机故障诊断方法中的信号时频表征及特征提取问题,提出一种基于振动信号快速稀疏分解与二维时频特征编码识别的柴油机智能故障诊断方法。首先,为了获得时、频聚集性优良的时频图像,提出一种随分解残差信号自适应更新Gabor字典的改进匹配追踪(adaptive matching pursuit,简称AMP)算法,利用AMP算法将柴油机振动信号分解后叠加各原子分量的Wigner-Ville分布,获取原信号的稀疏分解时频图像;然后,为提取时频图像的特征参量,提出了双向二维非负矩阵分解(two-directional,2-dimensional non-negative matrix factorization,简称TD2DNMF)算法,用于对时频图像的幅值矩阵进行特征编码,获取蕴含在时频图像内部的低维特征,并利用最近邻分类器实现了时频图像的自动分类识别。将提出的方法应用于4种不同状态柴油机气门故障的诊断试验中,结果表明,该方法能够获得无交叉项干扰、聚集性好的时频图像,使各时频分量的物理意义更加明确,并改进了传统图像模式识别中的特征参数提取方法,是一种有效的柴油机故障诊断方法。     

基于0.5谐次扭振的内燃机故障诊断研究

依据内燃机轴系测点扭振与各缸激振力矩的关系式,利用0．5谐次扭振的幅值与相位特性,进行内燃机各缸作功状态监测和拉缸故障诊断。以6135柴油机为对象的应用研究验证利用0．5谐次扭振确定故障阈值方法的实用性和诊断准确性。对6240柴油机的实例分析表明,不仅可以利用0．5谐次扭振相位角准确判断出内燃机拉缸缸号,还可利用其幅值反映拉缸故障程度。因此,利用0．5谐次扭振对内燃机进行一级诊断和三级诊断具有较强的工程应用价值。     

高分辨率扭振测量方法及其应用

研究了一种高分辨率扭转振动测量方法及相应的脉冲调制解调方式,讨论了该方法的工作原理,实现的途径和在使用中存在的一些问题。列举了应用实例,并给出了齿轮箱故障的扭振诊断与利用箱体振动信号进行诊断的比较结果。该方法在实际应用中不但简单可靠,而且精度较高。由于扭振信号传递路径简单,信噪比高,故障特征明显,后续处理简单,所以利用它对齿轮箱进行故障诊断的效果更好。     

基于瑞利法的内燃机曲轴扭纵耦合振动

采用瑞利法对高速内燃机曲轴扭纵耦合振动进行了研究。将内燃机曲轴等效为连续分布阶梯轴模型,根据当量轴段以及集中质量的动能和势能关系,通过拉格朗日方程分别建立轴系扭振模型和纵振模型。根据刚度耦合原理,并考虑轴系强迫激励进而建立了扭纵耦合强迫振动模型。采用谐次分析法对模型求解后,通过与采用三维振动测量装置对某直列四缸柴油机曲轴自由端的振动信号进行实际测量所得到的结果进行比较,可以发现,扭振和纵振与实际测量的结果在各主要谐次都保持相当的一致。     

航空发动机转子振动信号的分离测试技术

在传统谱分析方法的基础上,尝试应用盲源分离技术对飞机发动机振动信号进行振源分离.首先,介绍了发动机振动信号的基本处理方法和常见的发动机故障类型及特征,引入了盲源分离理论并讨论了其在航空发动机振动信号处理中应用的可行性.然后,对某型涡扇发动机振动过大的现象进行了故障诊断分析.最后,应用FastICA和JADE算法对检测的振动信号进行分析,分离出了发动机的振源信号.这说明发动机振动信号分析采用盲源分离与谱分析相结合的技术可以有效分离振源信号,提高故障诊断的准确性.     

发电机组橡胶柱销联轴器异常振动噪声诊断

为诊断某型柴油发电机组产生的异常噪声故障,将经验模态分解方法(empirical mode decomposition,简称EMD)和Hilbert变换用于发电机主轴承的非平稳振动信号处理,有效提取了主轴承振动信号的时频特征,对机组振动噪声信号、发电机主轴承振动和轴系扭振信号进行了分析。诊断结果表明,由于柴油机激励下机组轴系扭振幅值过大,引起柱销联轴器橡胶件表面的相对运动,产生干摩擦作用力,导致机组轴系产生间歇性的异常振动噪声。该方法对旋转轴系部件摩擦引起的振动噪声故障诊断具有参考价值。     

基于Wigner分布和分形维数的柴油机故障诊断

针对柴油机配气机构故障诊断问题,提出了一种基于Wigner分布和差分分形盒维数的故障诊断方法。首先,利用改进局部均值分解算法对柴油机缸盖振动信号进行分解,并采用相关性分析剔除噪声和伪分量;然后,分别对各相关分量进行Wigner时频分析,将结果线性叠加得到振动时频图,再提取图像的差分分形盒维数作为故障特征;最后,利用k-最近邻(k-NN)实现故障诊断。仿真结果表明,改进局部均值分解算法可以抑制Wigner分布交叉项的干扰。实验结果显示,差分分形盒维数优于其他6种典型故障特征,利用本研究提出的方法对配气机构进行故障诊断的正确率为97.2%,该方法可以用于柴油机配气机构故障诊断。     

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.