基于Hilbert-Huang变换和多元状态估计技术的内燃机气缸压力识别

提出了一种新的内燃机气缸压力识别方法。为了实现对内燃机运行状态的实时监测与故障诊断,通过缸盖振动信号反演内燃机气缸压力曲线是一种行之有效的重要手段;本文在对缸盖振动信号特性进行分析的基础上,应用Hilbert-Huang变换对缸盖振动信号进行模态分解,提取最能反映内燃机气缸压力变化特性的振动本征模态分量;使用多元状态估计技术(MSET)建立该振动本征模态分量的Hilbert谱与气缸压力信号之间的非线性非参数回归模型;利用所建立的模型从缸盖振动信号中重构出内燃机气缸压力曲线。试验结果表明,基于Hilbert-Huang变换和MSET的气缸压力识别方法简单有效,可满足对内燃机的实时监测需求。     

用压缩空气检查判断机械故障

1.判断导致内燃机气缸压力不足的故障部位 内燃机气缸压力不足,通常表现为内燃机不易启动、工作无力、功率下降、耗油量增加,以及冒黑烟或冒白烟。而引起内燃机气缸压力不足的部位有:气缸垫烧蚀、气门关闭不严、活塞环窜气、气缸套及活塞环磨损过甚等。那么,怎样用压缩空气来判断造成故障的具体部位呢?其方法和步骤     

内燃机工况和气缸敲击振动的关系探讨

针对内燃机轴非稳定系扭转振动和稳定扭振激振力矩工况下,对于气缸发生敲击振动的影响,采用计算方法,并且结合压力传感器的使用,对非稳定工况内燃机气缸压力进行测量,分析了阶次力矩与提速率之间的关系。有效地避免了传统频谱分析出现的"频率混叠"现象,分析出非稳定工况内燃机激振力矩中的特征分量,利用阶次分析法对非稳定工况内燃机激振力矩。     

基于飞轮加速度的缸间差异和循环差异研究

针对发动机缸间差异和循环差异缺少定量计算的研究现状,利用Matlab软件对发动机怠速时的飞轮原始数据进行处理,定量计算内燃机飞轮的最大角速度缸间差异参数、循环差异参数和抖振参数（lowest normalized value,简称LNV）,分析其与相应气缸压力参数之间的相关性及随内燃机转速和载荷的变化规律。分析结果表明,内燃机最大角速度缸间差异、循环差异和LNV值分别与相应的气缸压力参数高度线性正相关;随着怠速升高,缸间差异减小,循环差异基本保持不变;起初随着怠速升高,内燃机的抖振变小,当怠速升高到一定程度,抖振基本保持不变。随着内燃机载荷的增加,缸间差异、循环差异和抖振都减小,但循环差异比缸间差异受载荷影响更大。     

内燃机非稳定工况扭振激振力矩试验分析

针对内燃机轴系扭转振动,对比分析了稳定工况和非稳定工况扭振激振力矩计算方法。使用压力传感器对非稳定工况内燃机气缸压力进行测量,并利用阶次分析法对非稳定工况内燃机激振力矩进行了试验研究,分析了阶次力矩与提速率之间的关系。结果表明,内燃机激振力矩主要成分为1.0和2.0阶,其幅值随转速的升高逐渐减小,其他阶次力矩幅值逐渐增加。阶次分析法能够有效地分析出非稳定工况内燃机激振力矩中的特征分量,避免了传统频谱分析出现的"频率混叠"现象。     

内摆线内燃机动态仿真

传统内燃机的曲柄连杆机构由于连杆的往复摆动而导致活塞对气缸的侧压力,给内燃机带来很多不利的影响.利用内摆线原理,重新设计一种内摆线内燃机.在CAD软件中建立S195(传统内燃机)与S195HC(内摆线内燃机)虚拟样机模型,并导入ADAMS中进行动力学仿真.结果表明,这种内摆线内燃机可以显著降低活塞对气缸的侧压力,降低摩擦和磨损,提高内燃机的使用寿命,同时使功率也有所提高.     

内燃机气缸磨损原因和预防分析

内燃机气缸是高度耐磨损的部件,折合成活塞往复运动能达到数十亿次之多。尽管内燃机气缸的磨损是不可避免的,但是通过总结其规律,分析其原因,能够最大程度上减小磨损,延长寿命。但是气缸的磨损规律高度复杂,工作环境多变复杂,活塞连杆机构在气缸里长期进行往复运动,磨损程度受到多种因素的影响,因此必须要对其磨损原因进行分析,提出相应的解决策略。     

Scuderi集团研制“一分为二式”发动机

当前使用的大部分内燃机都属于四冲程循环内燃机,由德国工程师奥托发明.虽然奥托发动机的使用长达一个多世纪,工作效率得到不断提升,但基本结构和原理仍保持不变.美国Scuderi集团基于前人的"一分为二式"发动机设计理念,以奥托循环发动机为基础对四冲程内燃机进行了大刀阔斧的改动,相比传统奥托内燃机拥有更低的油耗和排放. "一分为二式"发动机将传统四冲程发动机的工作过程分为两部分,在普通气缸之外又配备了一个新的气缸,每个气缸负责完成两个冲程的动作,一个气缸(暂将其称为A气缸)用于进气和压缩,另一个(暂将其称为B气缸)用于作功和排气,曲轴只需旋转一周就能完成四个冲程.     

内燃机气缸磨损分析及预防措施

系统分析了内燃机气缸磨损形成规律和磨损原因,并探讨减缓气缸磨损的日常维护保养措施,有益于提高内燃机动力性、经济性和环保性,并可延长内燃机的使用寿命。     

用于高温介质的快速电容式压力变送器

在柴油机和内燃机气缸中测量气缸压力的最不利条件在于,与变送器连接在一起的气缸腔壁上所具有的350～500℃高温。进入腔体的气体也大体是这样的平均温度。在此条件下,快速流动过程的记录及其测量只有在变送器的敏感元件急剧冷却时才有可能。     

基于时序分析与神经网络的气阀机构故障诊断

通过模拟柴油机气阀机构的两种主要故障 :气门漏气和气门间隙异常进行实验 ,采集缸盖表面的振动信号。利用时间序列分析方法对振动信号建立AR和ARMA模型 ,利用其参数及残差等指标作为特征参数 ,提取时域的均方根等指标。最后利用人工神经网络进行故障模式识别。结果表明方法是可行的 ,效果较好     

神经网络在内燃机故障诊断中的应用研究

运用小波分析对柴油机缸盖振动信号进行分析与讨论,计算二进小波分解后尺 度１信号在各个时间段内的能量百分比,最后将此能量比作为神经网络的输入进行 训练,得到故障诊断识别网络,取得了较好的故障诊断效果。     

内燃机缸盖系统模式识别方法研究

根据往复式内燃机结构和工作特点 ,对内燃机缸盖系统模式的识别方法进行了研究。根据激励与内燃机相位的对应关系 ,提出了基于相位相关的模式分解方法 ,用子模式集合描述缸盖系统模式。对人工神经网络技术用于缸盖系统模式识别进行的研究表明 ,人工神经网络技术对内燃机缸盖系统模式识别具有较强的分类表达和诊断能力     

基于声发射和神经网络的木材受力损伤过程检测

对受力木材的声发射信号进行检测与分析,实现木材损伤过程的检测和监控;研究过程中采用时间序列结合神经网络建模方法,对声发射信号的累积能量时间序列和载荷时间序列进行仿真和预测.利用神经网络建模对声发射信号的累积能量时间序列进行预测,模型对44个样本进行检验的最大误差为5.6%,而且误差较大的样本对应声发射振幅参数值的局部极大值,而振铃计数与声发射率则对应局部极小值.对相应载荷时间序列预测分析中,模型输出与目标输出的最大误差不到0.1%.结构为5×5×1的网络能很好地根据序列前5个值准确预测即将发生的声发射累积能量值;结构为6×5×1的网络能很好地根据序列前6个值精确预测木材即将承受的载荷.     

Prediction modeling of Coriolis type mass flow: Sensor using neural network

The neural network (NN) technique has been utilized for prediction of performance of omegatube type Coriolis mass flow sensor. The results show that a well trained and well tested NN model has the capability to predict the performance of mass flow sensor for varying design parameters depending on the availability of the data and can be used as an alternative to the physical models in the sense that the results can be produced in a fast and cost effective way. The values of correlation coefficient (R) for the training, testing and whole datasets indicates that the NN results are in good agreement with the experimental results.     

钢丝绳隔振系统的神经网络杂交建模

提出一种基于神经网络的杂交建模方法,并对某电子设备的钢丝绳隔振系统滞后恢复力进行建模研究。利用周期载荷试验数据,通过参数识别确定系统非线性滞后恢复力的骨架模型。采用神经网络对系统恢复力中难以参数建模的特性进行学习训练,从而得到系统恢复力的神经网络杂交模型。利用得到的杂交模型对隔振系统在周期载荷和宽频随机载荷下的响应进行预测分析与比较,结果显示杂交模型具有较好的预测精度。     

粒子群优化的神经网络在故障诊断中的应用

为提高齿轮箱故障诊断性能，建立了以齿轮箱振动信号的时频域特征为输入，以齿轮箱的主要故障形式为输出的神经网络。采用粒子群优化算法代替反向传播算法来训练神经网络的权重和阈值，利用训练后的神经网络对齿轮箱进行了故障诊断，并比较了基于粒子群优化算法与BP算法的诊断结果。结论是基于粒子群优化算法神经网络具有较好训练性能，收敛速度快，迭代步数少，诊断精度高，具有良好的故障识别率。     

基于BP神经网络的四轮胎压监测算法研究

4个车轮同时缺气时,传统滚动半径法很难监测出轮胎压力值,导致误报率较高.为解决该问题,提出了一种基于BP神经网络的间接式四轮胎压缺气监测方法,通过采集轮速脉冲数对BP神经网络进行训练,实现对4个车轮同时缺气时的胎压识别.实验结果表明:训练后的BP神经网络可以有效识别4个车轮同时缺气时的压力值,误报基本消除,该方法为4个...     

Cylinder pressure reconstruction based on complex radial basis function networks from vibration and speed signals

Methods to measure and monitor the cylinder pressure in internal combustion engines can contribute to reduced fuel consumption, noise and exhaust emissions. As direct measurements of the cylinder pressure are expensive and not suitable for measurements in vehicles on the road indirect methods which measure cylinder pressure have great potential value. In this paper, a non-linear model based on complex radial basis function (RBF) networks is proposed for the reconstruction of in-cylinder pressure pulse waveforms. Input to the network is the Fourier transforms of both engine structure vibration and crankshaft speed fluctuation. The primary reason for the use of Fourier transforms is that different frequency regions of the signals are used for the reconstruction process. This approach also makes it easier to reduce the amount of information that is used as input to the RBF network. The complex RBF network was applied to measurements from a 6-cylinder ethanol powered diesel engine over a wide range of running conditions. Prediction accuracy was validated by comparing a number of parameters between the measured and predicted cylinder pressure waveform such as maximum pressure, maximum rate of pressure rise and indicated mean effective pressure. The performance of the network was also evaluated for a number of untrained running conditions that differ both in speed and load from the trained ones. The results for the validation set were comparable to the trained conditions.