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。     

基于遗传算法优化支持向量机的船用柴油机气门漏气故障智能诊断方法

针对船用柴油机气阀漏气故障的问题,提出一种结合遗传算法（genetic algorithm,GA）与支持向量机（support vector machine,SVM）的船舶柴油机气阀漏气振动诊断方法,称之为遗传算法优化支持向量机（GA-SVM）。通过分析静态与动态工况下的缸盖振动信号,提取训练SVM特征参数,利用GA-SVM的惩罚因子与核函数参数对故障进行识别。试验结果表明,GA-SVM方法完善了SVM参数选取方法,可有效识别柴油机气门漏气故障。优化后的整体故障诊断准确率为99.333%,相比于未优化前的测试集,故障诊断正确率提高了约2%。     

WD615.68柴油机气门强制旋转机构

ＷＤ６１５．６８柴油机气门强制旋转机构四川柴油机厂刘子建ＷＤ６１５．６８型柴油机是奥地利斯太尔公司ＷＤ６１５系列柴油机中经过进一步强化的先进的汽车发动机的一种。该机在进、排气门上采用了强制旋转机构，提高了其使用寿命。１采取气门强制旋转机构的必要性气门...     

基于图像与神经网络的柴油机气门故障诊断方法研究

综合信号处理及模式识别理论,根据柴油机振动信号的特点,提出了一种柴油机气门故障诊断综合方法,详细阐述了将提取图像特征的神经网络法用于柴油机气门故障诊断的原理、过程以及故障分类。试验结果表明,该方法值得进一步研究。     

基于非高斯AR模型双谱估计的发动机气门机构故障诊断

将高阶谱引入故障诊断领域,利用基于非高斯AR模型的双谱估计方法描述了缸盖振动响应信号的非线性和非高斯特性。基于非高斯AR模型的双谱估计,能够在数据较短的情况下,提供较高的频率分辨率且能提取信号的相位信息,可用于非平稳信号的数据处理和故障诊断。研究结果表明:当柴油机气门机构处于不同工作状态时,缸盖振动信号的双谱及其等高线具有明显的可分性。对双谱进行数据降维处理,从其主对角切片中提取了比较稳定的故障特征,为气门机构的状态监测与故障诊断提供了一种有效手段。     

基于小波包和概率神经网络的气门漏气故障诊断研究

本文在阐述了发动机气门漏气声学特性及其振动诊断机理的基础上,针对发动机缸盖振动信号的特点,运用小波包对采集的振动信号进行3层分解、重构、提取特征向量。然后将特征向量作为概率神经网络的输入,构建网络模型。再用测试数据验证诊断模型的正确性。诊断结果表明该方法是可行的,并取得了较好的效果。     

统计模拟在气阀机构故障诊断中的应用

介绍了统计模拟方法的基本原理,应用Bootstrap方法对提取的缸盖振动信号的特征参数进行统计模拟计算,给出这些特征值的置信区间估计,实现了气阀机构故障的定量诊断和状态识别。试验结果表明：这种方法解决了小样本条件下气阀机构故障诊断中特征参数置信区间估计及故障特征库建立的问题,是简单实用和可行的。     

可变气门正时机构故障诊断技术与应用

分析了发动机可变气门正时机构故障原因,总结了可变气门正时机构故障检修的方法,介绍示波器、数据流在可变气门正时机构故障诊断中的应用技术,通过发动机怠速振抖故障诊断与排除的案例验证其效果。     

提高柴油机气门驱动机构可靠性保证措施

根据12V190B型柴油机在使用过程中气门驱动机构常发生的故障现象，从使用维护保养、维修、材料和设计的角度，详细地分析了产生故障的原因，提出了整改或预防措施．对提高配气机构乃至整机的可靠性，进而提高柴油机的工作效率，具有十分重要的意义。     

基于支持向量机的柴油机排气阀智能故障诊断研究

排气阀是柴油机的重要部件之一，其故障诊断一直受到研究者的关注，传统的学习机器在小样本学习时不具有良好的泛化能力，其现场效果与实验室精度差距较大。建立在统计学习理论基础之上的支持向量机具有和样本数相适应的最优泛化能力。利用支持向量机适合处理高维数据以及具有良好泛化能力的特点，建立了排气阀故障诊断模型，将排气阀振动信号经过小波包分解后提取的特征指标在小样本时进行支持向量机学习，通过不同核函数的支持向量机和其它智能方法准确率的比较证明：支持向量机较其它智能方法有较大的优越性；准确率对核函数有一定的敏感性；在常用的3种核函数中，线性核的诊断准确率达到了100％，是柴油机排气阀智能故障诊断支持向量机的最佳核函数。     

基于S变换的柴油机气阀机构故障诊断研究

采用S变换对柴油机气阀机构8种状态下的缸盖表面振动信号进行分析处理,得到一系列振动信号的时频图像。选取一部分时频图像组建得到各种状态的标准时频图像后,再根据测试图像和标准图像之间的欧氏距离、绝对值距离和相似度3种指标对测试图像进行识别分类,从而将气阀机构的故障诊断转换为时频图像的分类研究。试验结果表明,采用这一方法可以取得较好的诊断结果,对时频图像进行5次平均后,根据相似度和欧氏距离进行分类的正确识别率可以达到99．4％以上。     

基于LMD和SVM的柴油机气门故障诊断

针对柴油机气门故障诊断问题,在WP7柴油机上模拟了气门故障,提出了基于局部均值分解(local mean decomposition,LMD)和支持向量机(support vector machine,SVM)相结合的气门故障诊断方法.该方法首先用改进LMD方法将缸盖振动信号分解成若干个瞬时频率具有物理意义的PF(product function)分量之和,然后从缸盖振动信号和分解得到的PF分量中提取故障特征向量,以此作为SVM分类器的输入进行故障诊断.此外提出了改进粒子群算法(particle swarm optimization,PSO)用于SVM参数的优化.诊断结果显示,16组测试样本的测试结果均与实际状况相一致,诊断正确率为100%,该方法能快速准确地识别内燃机气门故障.     

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。     

基于快速遗传K-means算法改进的柴油机故障诊断

以6135ZQ-1型柴油机为研究对象,根据试验测得的活塞环不同磨损状况下的缸内压力波形图及相应的特征参数,运用改进的快速遗传K-means算法,提取出了最能表征对象状态的参数,建立了判别柴油机此类故障表征体系。其结果表明该方法能较好地应用于柴油机的状态评估与故障诊断。     

柴油机故障诊断的局域波神经网络方法研究

针对柴油机表面振动信号的非平稳性，采用局域波法对其进行有效分解获得多个局域波分量，这些分量有效降低了信号的非平稳性，并且包含着原始信号瞬时频率和模糊频带的双重特征信息。然后以局域波分量的特征参数为输入对RBF神经网络进行训练学习，形成网络。这种方法增强了内燃机故障诊断的可靠性和精确，并在实际柴油机故障诊断中得到了有效地应用。     

模糊函数图像在柴油机气阀故障诊断中的应用研究

计算了柴油机气阀机构8种状态下的缸盖表面振动信号的模糊函数，将结果在频偏时延相平面上用灰度图表示出来，得到了一系列模糊函数图像。选取一部分模糊函数图像进行平均，得到了各种状态的标准模糊函数图像，再根据图像之间的欧氏距离、相似度和J-散度等6种指标对模糊函数图像进行分类，从而将气阀机构的故障诊断转换为模糊函数图像的分类识别。试验结果表明，利用模糊函数图像可以取得很好的诊断结果，6种指标中欧氏距离和相似度两种指标的抗干扰能力比较强，更适合于作为模糊函数图像的分类指标。图像平均可以有效地提高故障诊断的正确率。     

基于AR模型和K-L信息量的柴油机气阀机构故障诊断

通过模拟气阀机构的两种常见故障:气阀漏气和气阀间隙异常,采集柴油机缸盖表面的振动信号.提出了柴油机气阀机构的状态监测及故障诊断策略,采用FPE准则和Burg算法建立不同状态时振动信号的AR模型,利用K-L信息量对不同工作状态进行了有效识别.诊断结果表明该方法是可行的,便于实现柴油机气阀机构故障的在线实时监测与诊断.     

模糊函数图像与概率神经网络在柴油机气阀故障诊断中的应用

本文将柴油机缸盖表面振动信号的模糊函数结果在频偏一时延相平面上用灰度图表示出来，得到一系列模糊函数图像。对此图像进行归一化处理，降低维数，再采用概率神经网络对模糊函数图像进行分类，从而将气阀机构的故障诊断转换为模糊函数图像的分类识别。试验结果表明，利用模糊函数图像和概率神经可以取得很好的诊断结果，识别正确率可达95％，当训练样本比较充足时，识别正确率可达100％。