基于KVMD-PWVD与LNMF的内燃机振动谱图像识别诊断方法

为了直接对内燃机振动谱图像进行诊断识别,提出一种基于改进变分模态分解(VMD)、伪魏格纳时频分析(PWVD)与局部非负矩阵分解(LNMF)的内燃机振动谱图像识别诊断方法。该方法首先针对VMD分解过程中的层数选取问题,提出了一种中心频率筛选的VMD分解层数改进方法(KVMD),然后将内燃机振动信号利用KVMD分解成一组单分量模态信号,并对生成的各个单分量信号进行伪魏格纳分析处理后表征成振动谱图像;在此基础上,对生成的内燃机KVMD-PWVD振动谱图像分别采用非负矩阵分解(NMF)和LNMF形成编码矩阵,并采用最近邻分类器、朴素贝叶斯分类器和支持向量机对上述编码矩阵直接进行模式识别,以实现内燃机振动谱图像的自动诊断。最后,将该方法应用在内燃机故障诊断实例中,结果表明:该方法改进了传统图像模式识别中的特征参数方法,能有效诊断出内燃机气门间隙故障,三种分类器识别精度均大于93%,其中支持向量机的分类精度最高,达到99.8%,且采用LNMF形成的编码矩阵识别精度整体高于NMF,为内燃机振动诊断探索了一条新途径。     

基于内燃机振动信号的可视化识别诊断

为提高故障识别诊断的精确度和实时性,有效解决内燃机多分量、非平稳振动信号特征提取困难的问题,提出一种基于改进局部二值模式(ILBP)与双向二维主成分分析(TD-2DPCA)的内燃机振动信号可视化故障识别诊断方法。针对传统时频方法在分析内燃机振动信号中,存在时频分辨率低及交叉干扰项的问题,将经验小波变换(EWT)与同步压缩小波变换(SST)应用到内燃机振动信号的时频图表征中;利用ILBP提取图像的纹理特征,并对ILBP图谱采用TD-2DPCA降维,将降维后的编码矩阵向量化后得到图像的特征参数;通过支持向量机(SVM)和最近邻分类器(NNC)分别特征向量进行训练、测试,实现内燃机的故障识别诊断。在内燃机气门间隙故障8种工况下缸盖振动信号的识别诊断试验中,均得到较高的分类精度;通过参数的合理优化,在保证了分类速率的同时,最高识别率达到96.67%,对比其他方法,充分表明该方法在内燃机故障诊断中的有效性。     

小波分解及图像处理在内燃机振动诊断中的应用研究

内燃机缸盖振动具有明显的非平稳时变特点，因此在监测诊断时应尽量利用信号中的信息。为了克服时域和频域特征提取方法的不足，从而充分利用振动信号所包含的信息，本提出了一种新的内燃机故障诊断方法：对缸盖振动信号进行小波包分解，得到信号的时-频分布图，并利用软件方法定义图象，然后提取图象的各种特征参数实现诊断。将该方法用于6135柴油机气阀机构的故障诊断，取得了很好的效果。结果表明此方法简单有效，诊断精度较高，且对信号采样的要求不高，易于实用。     

分块稀疏表示和2DPCA的人脸识别方法

稀疏表示提出了一种分块稀疏表示和二维主成分分析(2DPCA)的人脸识别方法.该方法应用了逐像素分块的与2DPCA技术相结合的方式,充分地考虑了图像中相邻的多个像素间的相关性.实验结果表明,其中提出的新算法具有可行性以及在识别精度上的优越性.进一步的研究还表明,所提出的分块识别的方法较之于以往传统算法在存在位置偏移、单色遮挡问题的人脸图像误判率上也有显著降低.     

基于IRP和TD2DPCA的轴承故障诊断方法

针对轴承振动信号的非平稳特征和现实中难以提取故障参数的情况,提出了一种基于图像的轴承故障诊断方法即基于递归灰度图(Improved Recurrence Plots,IRP)和双向二维主成分分析(Two directional,Two dimensional Principal Component Analysis,TD2DPCA)的轴承故障诊断法。该方法对递归图(Recurrence Plots,RP)中阈值选取的问题进行了优化,提出了IRP算法,对采集到的轴承振动信号进行IRP分析,生成递归灰度图;然后用TD2DPCA对生成的递归灰度图进行特征参数提取,得到系数编码矩阵;最后采用分类器对上述编码矩阵直接进行模式识别,以实现轴承故障的自动化诊断。将该方法应用在轴承4种典型工况的故障诊断实例中,识别率高达99.8%,结果表明:基于IRP和TD2DPCA的轴承故障诊断方法能够自适应的对轴承进行故障诊断,具有故障识别精度高、噪声鲁棒性好等优点,为轴承振动诊断探索了一条新途径。     

内燃机曲轴模型系统振动分析的实用方法

针对内燃机运转过程中的亟需解决的建模问题,采用模态机械阻抗综合法对6135ZG型柴油机曲轴系统振动进行复杂耦合振动系统的动力学建模和振型分析。以流体动力润滑理论为基础,对径向滑动轴承和推力轴承的动态特性进行了分析,在计算中考虑了油膜支承刚度对曲轴振动特性的影响,并采用相对应的有限元模型作为计算对比对象,对前6阶振动情况进行了分析。经过结果对比发现两者计算结果基本吻合,证明了建模方法的正确性。     

内燃机振动信号的混沌分形特性研究

运用分形及混沌理论对实测的内燃机各种振动信号进行了分析,计算了信号的Lyapnov指数及关维数。结果表明,缺盖振动混沌与确定性共存,而缸套,机身振动则为混沌振动,信号的关联维数可作为气阀机构诊断的一个诊断特征量。     

冲击振动提取的优化稀疏表征方法

针对在背景噪声及其他振动干扰下冲击振动信号提取问题,提出了一种利用基追踪实现冲击振动优化稀疏表征的方法。建立了冲击振动提取的稀疏求解问题模型,设计了用于冲击振动特征提取的变换基,并利用特征谱线在频谱中所占能量比作为评价冲击振动提取效果的指标,实现了冲击振动成分的优化提取。将该方法用于仿真试验和齿轮故障诊断,结果表明,与Morlet小波软阈值方法相比,本文所提方法能更好地提取微弱周期性冲击成分,具有很好的应用前景。     

考虑内燃机系统耦合振动的活塞拍击研究

活塞拍击是内燃机中最主要的机械噪声源,降低活塞拍击是改善内燃机振动噪声性能的技术措施之一。本文考虑活塞、连杆、曲轴以及缸体的耦合振动对活塞拍击的影响,建立活塞拍击动力学分析模型,研究了某型柴油机的活塞拍击及缸体振动响应。探讨了活塞裙部轮廓形状、偏置活塞销对活塞拍击及缸体辐射噪声的影响,计算结果和实验数据证明：活塞轮廓形状对活塞拍击的频率成分的分布及噪声品质有重要影响,活塞销向主推力面适当偏置有助于降低活塞拍击及辐射噪声水平。     

某型车辆内燃机建模及振动仿真研究

针对某型车辆内燃机系统,将其划分为活门、进气导管、质量流速、转矩产生与加速、压缩冲程等模块,建立各部分动力学仿真模型,最后得到内燃机系统整体模型.并对该模型进行正弦、白噪声信号扰动下的仿真研究,从系统输出转矩和转速的曲线结果分析,证明了该模型具有相当的可靠度.建模工具采用Matlab软件提供的Simulink模块,具有简单、方便的特点.     

用机体振动诊断旋翼失衡故障方法研究

直升机失衡故障通常通过旋翼桨尖运动轨迹和机体1/转次振动测量进行诊断.为简化诊断,本文提出了仅通过机体振动测量,不需要桨尖轨迹及其测量设备进行诊断的新方法.证明了旋翼失衡故障空间与机体N=r×q维振动空间存在一对一映射关系,其中r为用于诊断的振动信号频谱前r阶谱分量数,q为安装在机体上作振动测量的单轴传感器数.通过两个BP神经网络构造映射关系,一个用于故障分类,另一个用于故障程度诊断.通过实测机体振动信号频谱前r阶幅值分量对网络进行训练和测试.失衡桨叶的方位由实测振动频谱一阶分量的相角确定.在三片桨叶的模型旋翼上的实验结果表明,所提出的方法可行、有效.     

内燃机噪声分离试验方法研究

本文把声强测量技术应用到内燃机燃烧嗓声与机械噪声分离试验中,推导出燃烧噪声与机械噪声计算公式,提出了一个新的试验方法。     

柴油机缸盖振动信号的小波包分解与诊断方法研究

研究了柴油机缸盖表面振动信号的时域、频域和循环波动特性,揭示了它的非平稳时变特点,提出了从振动信号的小波包分解系数中实现整循环征兆提取和故障识别的方法。实际及分析结果表明了该方法的可行性和有效性,这对其它复杂机械的振动诊断同样具有参考价值。     

基于小波包变换的内燃机气阀漏气诊断方法

探讨了利用缸盖振动信号诊断内燃机气阀漏气的一种新方法－－小波包方法。诊断机理分析和实验研究表明,缸盖 振动信号中关于气阀漏气的特征信息集中在高频段,故选用了小波包变换作为信号处理的基本方法,因为小波包变换较之小波变换在中高频段具有更高更均匀的频率分辨率;对实测信号的分析和处理结果表明了小波包在该领域的适用性;建立了基于马氏距离法的气阀漏气多指标诊断模型;进行了实机诊断,取得了预期的效果。     

基于稀疏编码的振动信号特征提取算法与实验研究

针对海量冗余数据中设备状态信息特征提取问题,借鉴生物感知系统"冗余度压缩"的信息处理原则,基于神经科学研究中的稀疏编码算法,提出了连续长时间采样时振动信号有效特征提取方法。介绍了稀疏编码算法及其模型,详细研究了稀疏编码的系数求解和字典学习两大问题。基于人工轴承故障数据集进行了实验研究,实验表明:基于稀疏编码的振动信号特征提取算法不仅能有效提取设备状态特征,而且稀疏特征具有良好的可分性。该方法可用于设备故障诊断,为基于状态的设备智能维护提供有效工具。     

根据振动信号诊断氦风机故障的方法研究

氦风机是10MW高温气冷实验堆(HTR-10)的一回路主风机,是大功率、高转速、多环节的旋转运动系统,有发生多种故障的可能,而其工作正常与否直接关系到反应堆的安全运行。通过在线分析氦风机运行时的振动信号,可以对氦风机的运行情况进行深入、彻底地评估,对可能的故障尽可能早地进行预防性诊断,从而保证氦风机能够正常和安全运行。本课题从氦风机本身结构和特点出发,研究提出并实现了分别在时域和频域上对氦风机的振动信号进行分析、进而对氦风机故障进行诊断的方法和框架。     

应用测试与仿真方法对水泵机组振动诊断

结合振动测试数据,对水泵机组进行动态特性和流体激励分析,诊断出其结构的薄弱环节,进行设计修改与优化。首先,对某船用水泵机组进行振动测试,通过机组的特征频谱分析,找出其可能对应的影响因素。其次,应用模态测试及工作变形(Operational deformation shape,ODS)测试,通过测试结果分析出水泵机组的模态参数与工作状态参数,找出影响振动的主要结构因素。再次,应用流场分析方法对水泵机组的吸水室流道、叶轮流道和压水室流道进行仿真计算分析,找出影响振动的流体激励因素。最后,根据动态特性测试分析和流场分析的结论,对水泵机组的安装方式和涡室入水口几何尺寸进行改进,有效地降低了水泵机组的振动。     

基于IRP和TD2DPCA的轴承故障诊断方法EI北大核心CSCD

针对轴承振动信号的非平稳特征和现实中难以提取故障参数的情况,提出了一种基于图像的轴承故障诊断方法即基于递归灰度图(Improved Recurrence Plots,IRP)和双向二维主成分分析(Two directional,Two dimensional Principal Component Analysis,TD2DPCA)的轴承故障诊断法。该方法对递归图(Recurrence Plots,RP)中阈值选取的问题进行了优化,提出了IRP算法,对采集到的轴承振动信号进行IRP分析,生成递归灰度图;然后用TD2DPCA对生成的递归灰度图进行特征参数提取,得到系数编码矩阵;最后采用分类器对上述编码矩阵直接进行模式识别,以实现轴承故障的自动化诊断。将该方法应用在轴承4种典型工况的故障诊断实例中,识别率高达99.8%,结果表明:基于IRP和TD2DPCA的轴承故障诊断方法能够自适应的对轴承进行故障诊断,具有故障识别精度高、噪声鲁棒性好等优点,为轴承振动诊断探索了一条新途径。     

神经网络与内燃机性能研究

内燃机性能研究的主要目的是为了提高内燃机的动力性,改善其经济性、降低其排放。神经网络因其在处理非线性、时变、多层次变量方面的优越性而成为内燃机性能研究领域的新途径。本文主要介绍了神经网络在内燃机性能研究上的应用。     

利用模糊模式识别诊断内燃机失火故障的研究

提出了一种基于模糊模式识别的内燃机失火故障综合诊断方法。通过建立简明实用的瞬时转速诊断模型并深入分析瞬时转速信号的波形特点,定义并提取了１０种无量纲的诊断特征参数。在此基础上,利用模糊模式识别技术对这些参数进行信息融合,首先快速识别整机有无失火故障,然后在有必要时再进行故障气缸定位。实验结果表明,该方法可以充分利用多种特征参数的信息互补性,提高了诊断效率和识别正确率,并能满足在线监测和实时诊断的要