基于瞬时转速的柴油机气阀漏气故障诊断

提出使用瞬时转速信号进行柴油机气阀漏气故障的诊断。设计了实验装置,利用模拟故障的方法,进行了柴油机正常及气阀漏气状态下的瞬时转速实测。通过对实测瞬时转速数据的分析,提取了三个无量纲特征参数。经检验证明,其中两个特征参数的故障判断正确率很高,达到了较理想的诊断效果。     

基于小波分析的柴油机瞬时转速信号研究

提出一种新的柴油机瞬时转速信号的故障特征的提取方法,柴油机瞬时转速信号经过小波降噪处理,有效地剔除柴油机瞬时转速信号的噪声干扰,提高信号的信噪比。提取单缸作功冲程峰谷值差值作为特征值,通过时域曲线和特征值变化曲线可以明显看出单缸断油的故障,建立起能量到柴油机故障的映射关系,最后利用BP神经网络训练可以得到很好的效果。     

基于故障树和概率神经网络的风电机组故障诊断方法

风电机组各传动设备之间耦合性强,故障发生的原因复杂、多样,使用单一的故障诊断方法受自身的局限性影响,诊断效果不太理想。针对这一问题,通过分析风力发电机组转速故障数据及其影响因素,以风力发电机转速超限故障为例,提出一种基于故障树和概率神经网络的风电机组发电机转速超限故障智能诊断方法。首先,给出多层故障树构建方法,使用故障树分析法得到故障模式。然后,根据故障树节点关系规则和故障模式,提取风力发电机运行数据的特征值,建立概率神经网络的故障诊断模型,根据实际运行故障样本训练网络,将训练后的网络用于故障诊断。现场实验表明,基于故障树和概率神经网络算法对于风力发电机转速故障诊断准确率显著。     

基于瞬时转速和双谱的内燃机故障诊断研究

首先对双谱分析和瞬时转速信号的特点进行分析，测量6135柴油机在正常、轻微故障和严重故障三种状态下的瞬时转速，分别计算其双谱，得到了具有明显区别的双谱幅值图；通过计算双谱对角切片，可以容易且有效地识别故障的存在；进一步分析双谱相位信息，可以确定单缸断油时的故障缸位置。根据瞬时转速的双谱特征进行故障诊断，故障特征明显，诊断效果良好。     

基于瞬时转速的柴油机故障诊断仪的研制

以PC104嵌入式工业计算机为核心研制了柴油机故障诊断仪,编制了信号采集、特征提取和故障诊断软件,通过测量瞬时转速和上止点信号,可在不解体和拆卸的情况下对柴油机各缸工作不均衡、气缸密封性等故障进行诊断。诊断仪具有多功能、智能化、人机界面友好、操作简单等特点。     

柴油机转速的测量与应用

本文首先给出了柴油机转速的测量方法，然后详细介绍了利用循环转速检测柴油机调速性、进行无外载加速测功，利用瞬时转速检测气缸气密性和工作缸动力性的原理和实践。分析和实践表明，通过柴油机转速的测量与分析，可以得到有关机器运转状态和相关故障的丰富信息。因此转速分析是柴油机状态检测与故障诊断行之有效的方法。     

EMD方法在内燃机故障诊断中的应用

针对内燃机瞬时转速信号的非平稳性特点,将EMD方法用于瞬时转速信号的时频分析,将其自适应分解为几个基本模式分量和剩余值序列;对各个基本模式分量进行Hilbert变换得到Hilbert谱,从而得到瞬时频率和振幅随时间的变化规律,并进一步得到了EMD边界谱。实验测量6-135型柴油机正常和故障状态下瞬时转速信号,对其进行EMD分析表明：瞬时转速EMD边界谱可以指示有无故障发生,而瞬时频率和分解剩余值序列可以指示故障缸位置,二者结合可以较好地实现内燃机的故障诊断,为基于瞬时转速的内燃机故障诊断提供了一条新的思路。     

柴油机转速的测量与应用

本文首先给出了柴油机转速的测量方法，然后详细介绍了利用循环转速检测柴油机调速性、进行无外载加速测功，利用瞬时转速检测气缸气密性和工作缸动力性的原理和实践。分析和实践表明，通过柴油机转速的测量与分析，可以得到有关机器运转状态和相关故障的丰富信息。因上转速分析是柴油机状态检测与故障诊断行之有效的方法。     

模糊自学习故障诊断在柴油机电控系统中的应用

将模糊规则的推理方法和神经网络的自学习方法应用在柴油机电控系统的故障诊断上。根据对发动机故障专家经验的总结,将输入故障信息定义为故障现象,将输出故障结果定义为故障点,采用模糊推理规则的方法建立由现象到故障点的诊断模型,实现对柴油机电控系统的故障诊断。故障诊断模型的故障样本是在12V150电控柴油机上通过大量试验获得的,故障诊断模型采用BP神经网络的自学习方法进行训练。将诊断结果同实际测试结果相比较,证明了该方法的正确性。     

基于时频图形的柴油机做功状态分析

通过柴油机状态监测系统在线采集瞬时转速数据进行频谱图形分析,监测柴油机工作状况,对影响柴油机做功不良的典型故障进行分析,有效地提高了在线监测系统及诊断结果对实际检修工作的指导作用.     

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.     

12V190B柴油机瞬时转速信号的分析处理

柴油机瞬时转速和高压油管压力曲线中包含丰富的信息,可以广泛应用于柴油机测试和诊断。 12V190B柴油机工作时噪声和振动很大,瞬时转速实测结果中包含严重的干扰信号。将实测时序信号通过傅立叶变换转换到频率域内,采取合理的滤波处理,再通过傅立叶反变换,减少或减弱实测信号中的干扰信号, 获得真实瞬时转速曲线的规律性和周期性,可用于基本性能的分析和初步故障诊断。     

基于PCA-PNN算法的柴油故障诊断研究

为了实现柴油机智能化故障诊断，提出一种基于PCA-PNN算法的柴油机故障诊断方法。该方法兼具主成分分析（principal component analysis， PCA）法降低数据维数和概率神经网络（probabilistic neural network， PNN）法计算速度快、容错率低、稳定性好的特点。利用AVL BOOST软件建立柴油机仿真模型，并进行有效性验证，采集包含12个柴油机故障特征参数的195组样本数据集。故障诊断试验表明：PCA-PNN柴油机故障诊断算法简洁、易于推理，诊断准确率为94.87%、运行时间为0.673 s，准确率更高、诊断速度更快，为探索柴油机智能化故障诊断提供新的技术路径。     

基于小波降噪和Hilbert-huang变换的柴油机瞬时转速分析

柴油机瞬时转速信号存在大量测量噪声和环境噪声。直接使用HHT对柴油机瞬时转速信号处理时存在边缘效应和模态混叠问题,文中尝试利用小波降噪与EMD分解相结合的处理方法,根据处理前后的波形曲线和频谱分析发现,基于小波降噪和Hilbert-huang变换的柴油机瞬时转速处理可以有效消除EMD分解的边缘效应和模态混叠问题,并且能得到物理意义明确的分量。实验结果表明,该方法对于各工况下的柴油机瞬时转速都能够得到较好的处理效果,为下步基于瞬时转速的舰船柴油机故障诊断系统研制打下良好基础。     

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。     

柴油机瞬时转速的建模及仿真研究

通过利用等效圆盘等效轴法建立了两自由度的柴油机瞬时转速模型,并对其进行了仿真计算,由此得到了柴油机空车不同转速下和柴油机转速为1500r/min、不同负荷工况下的仿真结果,较为精确地揭示了瞬时转速的变化规律,为利用瞬时转速对柴油机进行状态监测以及故障诊断提供理论上的基础。     

柴油机气门故障特征提取方法研究

针对柴油机气门故障诊断问题,在柴油机上模拟了气门间隙异常、气门漏气故障,同步测取了正常和故障情况下的缸盖振动与瞬时转速信号,提出了基于阶比跟踪的振动信号等角度重采样方法,准确地实现了振动信号时间域到角度域的转换,避免了频谱泄漏及混叠。考虑到缸盖振动信号的非平稳特性,应用经验模态分解法将振动信号分解成一系列具有不同尺度的内禀模态函数,利用三维Hilbert谱提取了反映柴油机故障的特征参数。试验结果表明:研究方法可以有效地提取柴油机振动信号的故障特征,从而实现柴油机配气机构故障诊断。     

基于SOM神经网络的柴油机燃油系统故障诊断

利用神经网络的非线性映射,及其高度的自组织和自学习能力,将SOM网络应用于柴油机的故障诊断。利用夹持式传感器获得柴油机喷射系统的燃油压力波形,对波形进行时域分析和特征提取。根据所取得故障信息及其对应的故障类型来构造网络结构,用单一故障样本对网络进行训练,根据输出神经元在输出层的位置对故障进行判断。通过仿真实验验证SOM神经网络在柴油机故障诊断的正确性。经实例分析证明,该方法可对故障进行有效诊断。     

基于关联规则分类的船用柴油机故障诊断

鉴于数据驱动的故障诊断方法诊断过程和结果难以解释,提出了一种基于关联规则分类(CBA)的船用柴油机故障诊断和故障作用机理解释方法．通过GT-Power柴油机故障仿真试验建立了柴油机故障数据库,采用关联规则分类算法构建了故障分类器,并基于可视化方法提取了重要规则,解析故障作用机理和模型的诊断过程．结果表明：基于关联规则分类的柴油机故障诊断方法对测试集的故障识别率高达98.67%,提取的规则较好地吻合相关热力学知识,可用于故障作用机理与诊断的进一步研究．     

内燃机车柴油机检测诊断技术研究与运用

通过监测系统在线采集柴油机瞬时转速数据并进行频谱图形分析,实时监测柴油机工作状况,对影响柴油机做功不良的故障进行判断分析,并定位故障缸。实际应用表明,该系统能够在柴油机状态恶化初期及时发现故障,避免了柴油机故障扩大化。可对柴油机实际检修工作起指导作用。