柴油机喷油器启喷压力无损检测方法研究

柴油机的燃油喷射压力直接影响到柴油机的燃烧性能。但是随着柴油机使用期的增长，启喷压力会逐渐降低，导致燃烧过程恶化，经济性下降。在柴油机喷油泵试验台上进行改变喷油器启喷压力的试验，测取了不同启喷压力下的高压油管振动信号，并利用振动信号对启喷压力的不解体检测方法进行了研究，提出了启喷压力的识别准则。     

基于RBF神经网络的柴油机故障诊断

神经网络模式识别的实时性和鲁棒性使得它成为故障诊断的常用方法.本文首先介绍了RBF神经网络的构成和特性,然后将柴油机的振动信号和油管压力信号作为特征参数,运用RBF神经网络对供油系统的3种故障进行诊断分析.实践表明,RBF神经网络用于多征兆机械系统的故障诊断是有效、可行的.     

济柴12V175型柴油机曲轴无损检测与寿命评估方法

针对传统曲轴检测方法测量精度低、易产生误差的问题,采用智能涡流/磁记忆检测仪对曲轴外部进行无损检测,采用超声波检测仪对零件内部进行检测;在此基础上将检测数据传输给寿命评估软件,进行曲轴再制造前的寿命评估工作.实际应用表明该检测及寿命评估方法效果良好.     

基于神经网络技术的柴油机故障诊断

本文提出了一种新的柴油机故障诊断方法,利用柴油机表面振动信号经过小波包提取特征参数,然后由BP神经网络进行故障诊断。实验研究和计算机模拟的结果表明,这一方法是可行和有效的。     

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。     

基于数据库与专家系统的柴油机故障诊断软件开发

基于对某型实船柴油机历史运行数据以及系统结构的分析,借助专家系统开展柴油机故障诊断软件的设计和开发。着重介绍了数据库的构成及数据挖掘技术,对实现该故障诊断系统的关键技术,如故障分类、贝叶斯网络推理诊断模型、基于SVM的柴油机故障诊断与预测以及专家系统进行了分析;并对该故障诊断系统的软件实现进行了描述。     

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。     

柴油机故障诊断与分析

通过采集16V240ZJ型柴油机振动信号并利用小波包分解对振动信号进行消噪处理,利用频带分解技术提取振动信号的特征值向量,应用神经网络实现柴油机自适应的故障诊断。     

一种基于DSP的内燃机状态检测与故障诊断系统

本文简述了国内外机械状态检测与故障诊断技术的研究现状，列举了几种不同的检测方法，并分析其实时可实现性；讨论了一种智能内燃机状态检测与故障诊断系统，为其工业应用提供更清晰的分析资料。     

柴油机工作状况监测与故障分析

本文通过对6160柴油机主要性能参数的测定,得出其技术状态诊断的一般规律,为柴油机故障分析提供了一个新的途径。     

融合技术在柴油机故障诊断中的应用

导致柴油机同一故障的各相关检测信号使其融合，应用在神经网络故障识别系统中，可以快速，准确地诊断柴油机.主主要融合气缸振动信号，喷油信号及水温信号，设计了通过撮以信号持征值，应用神经网络识别系统诊断柴油机功率下降故障的方法。信号特征值分别按各自信号的特点提取，其中气缸振动信号以振动信号的各子带功率谱为特征，即在频域中选取特征；喷油信号以信号波形形状识别为特征，即在时域中选取特下；水温信号因其为慢速变化信号，取不同阶段的水温信号为特征。     

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Dempster-Shafer证据理论的柴油机故障诊断

在简述多传感器信息决策层融合暨Ｄｅｍｐｅｒ－Ｓｈａｆｅｒ证据理论的基础上,研究了决策层信息融合的实现方法和算法,利用柴油机表面振动信号与高压油路压力信号所提供的特征信息进行融合处理,使用决策规则对柴油机供油系统工作过程多种故障进行了诊断识别。通过分析、比较基于融合信息进行诊断识别的结果与单传感器信息诊断识别的结果,说明了多传感器信息融合的诊断识别方法具有良好的稳定性、精确性和容错性,能够有效地提高     

局域波关联维数在柴油机故障诊断中的应用研究

根据局域波分解理论，分析了信号经局域波分解后所得各内蕴模式分量的特性，提出了用各分量的关联维数来描述柴油机的工作状态。研究结果表明：在相同工作状态下，同一模式分量有相近的关联维数，而在不同状态下则关联维数明显不同，故关联维数可用于故障的特征提取，通过仿真分析和对6BB1型车用柴油机的故障诊断结果表明了该方法的有效性和工程实用性，从而为柴油机的状态监测与故障诊断提供了一种有效途径。     

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。     

基于粗糙集理论的柴油机神经网络故障诊断研究

介绍了粗糙集理论的核心内容 ,给出了基于 kohonen神经网络的连续属性值离散化方法。应用粗糙集理论对反映柴油机运行工况的特征参数进行了属性简化 ,剔除了不必要的属性。研究了 RBF神经网络故障诊断模型及学习规则 ,给出了基于粗糙集理论的 RBF神经网络故障诊断原理和步骤。通过对柴油机供油系统柱塞磨损故障的自动分类和诊断 ,表明该系统能有效地减少神经网络的输入节点数 ,克服了神经网络规模过于庞大及分类识别速度慢等缺点。     

柴油机燃油系统故障诊断研究

本文应用柴油机燃油系统模拟计算的方法对柴油机燃油系统常见故障的供油压力波进行了模拟计算;对每一种故障产生的压力波特点作了分析;提出了旨在提高燃油系统故障诊断准确性的系统融合方法。     

基于粗糙集理论的内燃机气阀故障诊断研究

在内燃机神经网络故障诊断系统的基础上 ,引入粗糙集理论 ,对其在内燃机故障诊断特征参数属性优化中的运用进行了探索。利用可辨识矩阵算法对决策表进行属性约简 ,剔除其中不必要的属性 ,揭示了故障诊断条件属性内在的冗余性 ,降低了神经网络构成的复杂性。最后给出了属性约简的结果。