基于柴油机喷油系统压力波信号的小波函数优化分析

通过选用六种不同的小波函数，对柴油机喷油系统压力波信号的时频特性进行了小波分析研究。研究结果表明：选用不同的小波函数对同一压力波信号进行时频特性分析时，得出的结果是有差别的。作者通过对小波分析结果与实测结果进行误差分析，找出较适合于柴油机喷油系统压力波时频特性分析的小波函数。     

小波包算法在振动信号分析中的应用

针对柴油机振动信号的时频特性,阐述运用小波包算法对振动信号进行分析的方法.利用小波包良好的时频局部化特性以及避免信号频率混叠的移频处理方法,实现了对几种气阀状态振动信号时频特性的分析.结果表明,该算法在柴油机气阀故障诊断中具有可行性和有效性.     

小波变换在发动机缸内压力信号分析中的应用

本为消除发动机缸内气体压力测量中的通道效应的影响提出了一种新的方法－小波变换法。小波变换能针对气体压力信号的时变和非线性特征，充分反映出发动机气缸压力信号突变点附近的频变特性。分析中利用３次Ｂ样条小波对４１３５柴油机的气体压力信号按Ｍａｌｌａｔ算法进行分解，分离出气体压力信号中的通道效应，并利用采用反对称小波时，信号奇异点与其小波变换模极大值对过零点的关系，对压力急升点进行了定位，最后运用小波的     

基于小波包的气门故障诊断

本文利用小波包将信号按任意时频分辨率（满足测不准原则）分解到不同频段的特点,论述了小波包特征提取的方法。利用这一特性对柴油机气门间隙和漏气故障进行了诊断,取得了满意的结果。     

小波分析在柴油机滑动主轴承接触摩擦故障诊断中的应用

本文以柴油机滑动主轴承为研究对象，在试验台上采用从正常润滑状态逐步向干摩擦状态过渡的方法模拟故障，利用振动信号对滑动轴承的工作状态进行监测，并用小波分析方法对该非平稳时变信号进行处理，取得了较好的诊断效果。结果表明，小波分析方法用于柴油机的振动故障诊断是有效可行的，对其他复杂机械的振动诊断同样具有参考价值。     

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。     

基于小波包分析和神经网络柴油机故障诊断研究

对于柴油机而言,及时的对其实施故障诊断是十分必要的.小波包分析能有效的对柴油机缸体振动信号进行消噪处理,并提取表征柴油机故障的振动信号能量特征向量作为BP神经网络的输入值.本文中,对4100QB柴油机缸盖振动信号实验数据采用单隐层BP网络进行训练,并对不同故障模式进行分类识别,实验验证表明这一方法是非常有效的.     

支持向量机在发动机缸壁间隙识别中的应用

发动机工作时缸壁表面的振动信号反应了发动机性能,利用区间小波包分解和最小二乘向量机相结合的方法对发动机缸壁表面的振动信号进行分析,随机抽取部分小波包提取的振动信号的特征向量作为训练样本建立分类器,部分特征向量作为测试样本,利用分类器识别测试样本,通过设置不同的参数寻找最优分类结果,取得了较高的测试精度,用支持向量机判别发动机的缸壁间隙具有一定的工程意义.     

基于小波分析的柴油机故障信号特征的提取

本文提出了一种新的柴油机表面振动信号的故障特征的提取方法，利用柴油机表面振动信号经过小波降噪处理，有效地剔除柴油机表面振动信号的噪声干扰，提高信号的信噪比。用小波包提取降噪后振动信号的能量特征参数。以表征柴油机故障特征，建立起能量到柴油机故障的映射关系。实际研究表明这一特征提取方法是有效的。     

柴油机强噪信号的小波去噪辨识

介绍了基于小波变换系数门限值和基于小波极大模分解的去噪方法。对前给出了4种不同的门限值确定规则,对后给出了使用类似Mexican hat小波基的二进离散小波计算式。利用前对由电阻应变片测得的柴油机供油系高压管路压力波信号进行了去噪再现,利用后对含有活塞环胶结住处的柴油机机身振动信号进行了分解去噪。其效果是可以屏蔽背景噪声,较好地再现高压油管压力波形;可以提升活塞环胶结故障特征强度,从而为设备状态辨识工作提供了方便条件。     

基于小波包与神经网络的柴油机故障诊断

针对柴油机缸盖振动信号的非平稳时变特点,提出应用小波包能量法提取故障特征向量,并将提取的特征向量作为BP神经网络的输入向量进行学习训练。训练后的神经网络可以利用测量的振动信号判断柴油机的气阀机构故障状况。实践证明该方法在柴油机振动诊断中是有效可行的,对其他设备的故障诊断也具有借鉴意义。     

基于小波理论变换和神经网络的柴油机故障诊断方法的研究

提出一种基于小波理论和神经网络技术的柴油机振动诊断方法,首先对柴油机的振动信号进行小波分析,提取相应特征向量,然后将振动样本的特征向量作为RBF神经网络的输入参数,以故障类别作为输出参数训练该网络。训练后的神经网络可以利用测量的振动信号来判断柴油机的故障状况。试验及仿真证明该方法在柴油机振动诊断中是有效可行的,对其它复杂机械的振动诊断同样具有参考价值。     

小波变换技术在内燃机振声信号分析中的应用

介绍了小波分析方法在内燃机测试方面的发展和应用，探讨了应用小波技术进行车用发动机表面辐射声源的识别问题。以一台车用发动机表面辐射噪声的测量和识别分析为例，提出了一种车用发动机主要噪声源诊断和识别的测试分析方法。提取了小波分析结果特征，进行噪声源识别，其结果是满意的。     

基于变分模态分解和交叉小波变换的柴油机失火故障诊断

针对强噪声干扰下柴油机失火故障难以诊断的问题,提出一种基于变分模态分解(variational mode decomposition,VMD)与交叉小波变换(cross wavelet transform,XWT)的柴油机失火故障诊断方法。该方法首先通过VMD将缸盖振动信号进行分解、自适应消噪及信号重构,再利用XWT对任意两个连续工作循环信号进行时频相关分析,进一步消除振动信号中的干扰噪声以提取柴油机燃烧特征,最后通过计算时频空间各缸能量占比进行柴油机失火故障诊断。通过对仿真信号分析及柴油机失火故障诊断,结果表明:该方法可以消除强噪声干扰,提取柴油机燃烧周期瞬态振动冲击特征,有效地识别柴油机失火故障。     

基于连续小波变换系数的柴油机异响故障特征提取与诊断

用Morlet小波对EQ6BT柴油机活塞敲缸响、活塞销响的缸体振动信号进行连续小波变换，然后将所得到的小波变换系数作出尺度—能量谱以及三维能量谱图，从而实现了对柴油机异响故障的特征提取和诊断。结果表明：利用Morlet连续小波变换系数的尺度—能量谱和三维能量谱图，能够直观而有效地检测和区分EQ6BT柴油机活塞敲缸响、活塞销响两种故障及其故障的严重程度。     

基于独立分量分析的内燃机噪声信号分离

采用独立分量分析的方法对内燃机的噪声信号进行了研究。首先对独立分量分析的基本原理进行了简要的叙述,在FastICA算法的基础上建立了内燃机噪声的独立分量分析模型,并编制了相应的计算程序。以某四缸柴油机为研究对象测量了不同工况下的噪声信号,计算了这些噪声信号的统计峰度,确认其为非高斯信号,满足独立分量分析的基本要求。然后对测得的柴油机噪声信号进行了独立分量分析,将其分解为一系列不同的独立分量。为了了解各独立分量的时频分布,用小波变换的方法对它们进行分析,分析结果表明,这些不同的独立分量对应着不同的内燃机噪声源信号。     

基于模糊分类的无监督神经网络与内燃机缸内部件状态的在线监测

本文根据模糊识别原理，引入集合分类概念，提出了一种用于在线监测发动机缸内部件故障的无监督竞争学习模糊神经网络。该网络仅需正常状态下的振动信号样本集及少量的故障状态样本进行学习，并且它可根据噪声及运行工况的变化，自适应地调整代表正常状态下的网络权值；采用对比增强及加权方法，抑制各样本中的噪声影响。用本文方法对ＥＱ６１００汽油机和１９０Ａ柴油机人工设置的缸套活塞磨损故障进行诊断，取得了理想的效果。本文为以理论指导为主、少量实验为辅的在线诊断内燃机缸内部件故障，探索了一条有效、便捷的途径。     

基于EEMD和LSSVM的船用柴油机故障诊断

针对船用柴油机故障诊断时振动信号的非平稳特性和难以获取大量样本的实际情况,提出一种总体经验模态分解EEMD和最小二乘支持向量机LSSVM相结合的诊断方法。运用EEMD方法对特定时段的振动信号进行分析,计算各内禀模态函数IMF,并求其包含时间信息的能量熵,以之作为特征向量输入到LSSVM分类器来判断柴油机的故障类型。经实例验证,该方法能在保持信号完整性的前提下有效提取故障特征,在小样本情况下具有较高的诊断精度、较快的诊断速度和较强的泛化能力,能有效应用于同类型机械的故障诊断。     

尺度一小波能量谱在内燃机故障诊断中的应用

为了对内燃机气门及活塞一连杆组故障进行有效地诊断，通过试验测取内燃机在不同故障下的振动信号，利用连续小波变换得到信号在尺度上的平均能量分布，即信号的平均尺度一小波能量谱。根据不同故障下振动信号在尺度上的能量分布差异，提出了基于尺度一小波能量的标准特征向量，并以此作为标准，结合欧氏距离方法，对待检故障信号进行诊断，定量判断出了内燃机的故障类型，取得了很好的结果，该方法为内燃机故障诊断提供了一种有效途径。     

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。