基于神经网络信息融合的发动机失火故障诊断

对发动机气缸失火故障进行实车模拟试验,测量了发动机的机体振动信号及瞬时转速信号,并对其进行了时、频域分析.通过小波分析方法提取了振动信号能量特征,通过复杂度分析方法提取了转速信号的复杂度特征用于故障诊断.根据多传感器信息融合理论,建立了集成神经网络信息融合模型对气缸失火故障进行了诊断.结果表明,发动机机体振动能量特征和转速复杂度特征能够反映气缸失火现象,基于发动机振动和转速信息融合进行气缸失火故障诊断,诊断可靠性较高.     

压气机启动过程动态压力分析

采用基于短时傅里叶变换(STFT)的方法对实测的压气机非稳态的动态压力信号进行了时频分析,发现压气机在启动过程中发生失速,失速团频率成分呈倍频关系,幅值较大。达到额定转速后,动态压力信号为稳定的周期信号,幅值较大的频率成分为上下游转子叶片的通过频率及其倍频。结合实测的叶片振动数据分析发现,压气机失速产生的气流激励引起了叶片异步共振。研究结果表明:STFT方法可以有效提取动态压力信号特征,确定动态压力中幅值较大的频率成分,为压气机叶片振动设计提供依据。     

往复发动机故障诊断转速测量与相位识别系统研究

基于MC9S12XS系列单片机和LabView软件,开发了发动机转速测量与曲轴相位识别系统,为往复发动机故障诊断提供基础的参考信号.硬件部分采用霍尔传感器采集发动机转速,并通过电压比较器和施密特反向触发器串联的方法对转速信号进行预处理,提高了系统的容错能力和在复杂环境下的抗干扰能力;上位机软件将采集到信号按照发动机工作循环进行截取,并依据转速脉冲信号进行曲轴相位识别,同时将采集到的信号与曲轴相位关联起来,便于发动机故障诊断中观察时域信号中典型振动的发生时刻.经实验验证,该系统可以精确测量曲轴转速,并使转速测量误差限制在0.5‰以内,同时可以精确获取曲轴相位信息,为发动机故障诊断提供了便利.     

基于S变换的内燃机气缸盖振动特性研究

介绍了S变换的基本原理.设计了仿真试验,对比分析短时傅立叶变换,连续小波变换以及S变换的时频分析能力.结果表明,S变换是一种更加有效的非稳态信号时频分析方法.采用S变换对灭缸前后气缸盖侧面振动信号进行时频分析发现,信号能量主要集中于4～6.4 kHz的高频区域,在曲轴转角方向上,4～6.4 kHz的频带成分持续间断出现,其出现位置和间隔与振动信号各冲击响应相对应.研究表明,S变换具有较好的时频定位能力,可用于内燃机气缸盖振动特性研究.     

基于连续小波变换的水轮机振动信号检测

通过对连续小波变换的分析研究，提出了一种提取信号在小波尺度上的时频信息的信号分析方法。该方法能够有效将水轮机非稳态工况下的振动信号很好地分解在有限的时间-尺度范围内而保持信号的信息完整；对比传统的频谱分析和二进小波变换，信号经过连续小波变换后，其内部蕴涵的状态信息能在尺度域上很好地体现出来。     

基于阶比跟踪及共振解调的连杆轴承故障诊断研究

针对发动机连杆轴承磨损故障诊断中测取的机体振动信号非平稳、频率成分及故障机理复杂的特点,提出了基于阶比跟踪及共振解调的诊断方法。在加速工况下,分别将第3缸连杆轴承间隙调节为0.07、0.20和0.40mm,采集机体振动信号,结合同步采集的转速信号及第1缸外卡油压信号对振动信号的时频分布进行分析,发现振动信号在0.90～1.25kHz频带存在明显的冲击成分,其相位近似分布在第3缸燃爆相位附近,其幅值与连杆磨损程度成正比。在加速状态下对上述冲击成分包络解调及阶比跟踪后提取参数发现,连杆轴承正常、轻微及严重磨损工况的参数分别分布在0.48、1.00和2.50V附近,提取的参数能有效区分出这些工况。     

基于S变换的内燃机加速过程进气噪声时频特性研究

以某四缸汽油机为研究对象,采用S变换技术对加速过程的进气噪声信号进行时频分析处理,研究进气噪声信号能量在时频域内的分布规律,以及其主要频率成分随转速和时间的变化特性,结果表明,发动机进气噪声是与其转速密切相关的非稳态信号,以基频为主,尤其是在低转速段,噪声信号能量几乎全部集中在由基频构成的线性调频带附近,但随着发动机转速的升高,噪声信号的幅值或能量逐渐增大,而且能量分布越来越广泛,频率成分也越来越丰富.     

基于二阶滑模技术的内燃机气缸压力的估计

气缸压力是内燃机燃烧分析或故障诊断的重要参数。提出了一种新的内燃机气缸压力的估计方法，应用二阶滑模控制理论对测量的曲轴转速进行实时微分，在线估计指示转矩；以估计的指示转矩作注射信号，对气缸压力估计器不断进行修正，通过合理选择增益，确保气缸压力误差动力学稳定性，最终得到气缸压力估计值。仿真结果表明，基于二阶滑模方法的气缸压力估计方法是可行的，具有较高的精度；而且该算法只需要测量发动机转速信号，方法简单可靠，成本低。     

基于LabVIEW的汽轮机振动数据采集与信号分析系统

利用NI公司的硬件设备和LabVIEW虚拟仪器开发平台构建了汽轮机振动数据采集与信号分析系统。系统具有以下显著特点：倒频谱分析功能模块谱线定位准确、幅值突出,易于区分源信号和系统传递函数,可较好地识别频域调制信号的边频成分;STFT功能模块以短时傅立叶变换方法为基础,克服了单纯采用快速傅立叶变换进行分析的不足;利用LabVIEW图形化的编程思想使得系统开发周期短,易扩展。强大的数学分析和信号分析处理功能,高效地实现了复杂干扰情况下汽轮机振动信号的提取和较为全面的分析,显示出虚拟仪器的巨大优势。     

发动机曲轴系扭振测量的谐次提取及精度分析

发动机曲轴系扭转振动的准确测量对研究其扭转振动及振动控制具有重要意义。针对发动机特点,对电磁传感器输出转速信号的处理算法和精度进行研究,给出了一种实用的扭振信号处理方法。采用标准信号进行监测并结合扭振测量台架,分析了平均转速、采样密度对测量精度的影响。     

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。     

内燃机配气机构气门振动解析方法研究

对比经验模态分解(EMD)方法、短时傅里叶变换(STFT)和连续小波变换(CWT)方法对内燃机配气机构气门振动解析,结果表明:EMD方法解析过程简单,具有较高的自适应性,但不能解决频率混叠问题;STFT方法因为时间分辨率和频率分辨率相互制约,存在解析精度低的缺点;CWT方法虽然计算量大,解析过程复杂,但是解析精度最高....     

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。     

基于变分模态分解和去趋势波动分析的柴油机振动信号去噪方法

为了解决柴油机工作时其振动信号的背景噪声对状态监测及故障诊断造成干扰这一问题,提出一种基于变分模态分解(VMD)和去趋势波动分析(DFA)的柴油机振动信号去噪方法。该方法首先利用变分模态分解将振动信号分解为若干分量,再利用去趋势波动分析分别计算各个分量的尺度指数,根据尺度指数的值选取具有长程相关性的分量进行信号的重构,以消除振动信号中噪声。将该方法应用于仿真信号和柴油机故障振动信号中,取得了良好的消噪效果。     

基于时频谱图与图像分割的柴油机故障诊断

将图像分割理论引入柴油机故障诊断中,提出一种基于时频谱图、图像分割和模糊模式识别的柴油机故障诊断新方法.首先利用二进小波对柴油机缸盖振动信号进行预处理,然后用时频谱图对柴油机气门机构4种状态下的缸盖表面振动信号进行时频分析,并将谱图结果根据图像分割理论对其等高图进行分割,最后通过选取分割后图像的特征体质心位置、特征体面积、数目和熵作为特征参数,并利用模糊C均值聚类对图像进行分类识别.试验结果表明,新方法提取的振动信号图像几何特征与形状特征参数能充分反映柴油机气门工作状态的信息,对不同类型的气门故障均能正确诊断.     

柴油机振动信号分形特征诊断的改进算法

分析了目前利用振动信号的分形特征进行柴油机状态诊断中,影响分形维数计算结果一致性的因素,并根据柴油机故障诊断的特点,在柴油机振动信号提取时,利用等角域跟踪采样方法消除转速波动对采集振动数据产生的变化;然后,在关联维数计算时,针对分形无标度区间的截取提出了采用多段平均加阈值的计算方法来扩大无标度区的范围,为分形无标度区间的截取提供一种新的方法。通过仿真数据和实际测试数据对研究方法进行了验证。     

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.     

局域波边界谱在缸盖振动信号分析中应用研究

提出了一种新的谱分析方法－局域波边界谱，分析研究了柴油机缸盖表面振动信号的特性，较为详细地讨论了激励源及其响应，指出了基于傅立叶变换之上频谱分析的不足，同时对试验数据进行了有效的分析和比较，结果表明，在柴油机状态监测和故障诊断中，利用局域波边界谱对缸盖表面振动信号进行分析是有效的和可行的。     

基于EMD-WVD振动谱时频图像SVM识别的内燃机故障诊断

为了充分提取基于内燃机振动信号形成的振动谱时频图像的二维时频信息,实现基于内燃机振动谱时频图像特征自动提取及识别,提出了一种基于EMD-WVD(EMD-Wign-er-Ville Distributions)振动谱时频图像SVM识别的内燃机故障诊断方法。该方法利用二进制小波对振动信号进行预处理,然后利用EMD-Wigner-Ville时频分布生成不同工况下振动信号的时频图像,并通过提取振动信号的EMD-WVD振动谱时频图像的不变矩特征形成诊断特征向量,利用一种基于类识别率排序的二叉树SVM分类器进行模式识别。在BF4L1011F型内燃机上进行了6种不同工况下气门故障模拟试验,诊断结果表明总体诊断正确率为98.57%。