利用缸盖振动信号测定发动机功率

提出了利用汽车发动机缸盖振动信号来测定其发动机功率随转速变化的曲线的新方法,使汽车处于怠速状态,调节油门至全开状态从而使汽车发动机加速盍,采集发动机在该过程中的缸盖振动信号,然后用四附Daubechie小汉对信号进行多尺度分解,对分解后的单尺度信号进行重构,提取时域特征,从而确定发动机的功率。实验结果表明,采用缸盖振动信号的方法来测定功率随转速变化曲线是切实可行的,而且方便快捷,易于推广应用。     

柴油机缸盖振动信号典型特征提取

针对柴油机缸盖振动信号信噪比低且呈非平稳特性,提取柴油机振动信号的典型特征。通过分析缸盖在不同时刻受到的激振,判断汽缸各个部件的工作情况;提取信号振动烈度,并分析烈度与柴油机转速的变化关系,为柴油机的在线控制和故障诊断提供依据。     

发动机缸盖振动信号采集系统设计

基于LabVIEW图形化编程语言,实现了发动机缸盖表面振动信号采集系统的设计,该系统包括信号采集调理模块和LabVIEW虚拟仪器处理模块两部分。信号采集调理模块主要实现对采集到的传感器信号进行放大、滤波等信号调理,并把调理后的信号通过DAQ板卡输入计算机;LabVIEW虚拟仪器处理模块实现对DAQ板卡的驱动支持及通过驱动程序对板卡进行合理设置并对输入计算机的信号进行虚拟处理。     

利用压缩机缸盖振动信号识别缸内压力

介绍载荷识别的基本概念和方法；通过测量一台１１ＺＡ—１５／８型往复式压缩机缸盖的频响函数，以及工作状态下的缸盖振动信号，识别求得缸内气体压力，其结果与压力实测值较好吻合．这一方法的研究成功．为缸内压力的测量开辟了新的途径．为往复压缩机的故障诊断奠定了基础．     

发动机汽缸振动信号的小波包分解与故障诊断

通过一种改进的小波包分解算法，有效解决了小波包分解过程中出现的混频现象。利用该算法对振动信号进行实例分析，通过对信号进行小波包分解和重构，可看到信号的概貌和细节，并能捕获到携带设备运行状态和故障特征的奇异信号，便于进行深层信息处理，以查找故障源。     

提升小波包渐变式阈值选择与量化降噪方法

为了实现移动装备发动机缸盖振动信号的在线处理,提出一种基于提升小波包变换的渐变式阈值降噪方法。分析了移动装备发动机缸盖振动信号的时频特性,介绍了插补细分提升小波包变换算法。提出一种渐变式阈值选择与量化策略,以适应信号与噪声特点。引入基于类可分离性测量的降噪效果评价标准,实现了复杂实测信号降噪效果的量化评价。应用实例表明,渐变式阈值与量化策略,能在全频带内很好地消除噪声并保留有用信息,具有更好的降噪效果。     

发动机异响信号的小波包能量特征提取

在机械故障诊断过程中,最关键的问题就是故障特征信号的特征提取,从某种意义上说,特征提取是当前机械故障诊断研究中的"瓶颈"问题.发动机是一种多振源、宽频带、振动形态复杂的机械,其振动信号呈现非平稳时变特征,噪声干扰大,故障信号往往被淹没在干扰噪声中.发动机声响的分析在其故障诊断中显得极为重要.现提出一种依靠小波包分析来进行发动机故障诊断的方法,即通过对发动机异响信号在全频带范围内进行正交小波包分解,得到由全频带均匀划分的各子频带的小波包分解系数,对小波包分解系数进行重构得到该频带的信号,提取各频带信号的能量构造出小波包特征向量,从而实现对故障源的判断.     

非平稳信号瞬时特征提取的谐波小波方法

分析了非平稳信号的瞬时特征(瞬时频率和瞬时相位),对非平稳信号进行谐波小波变换,建立非平稳信号的谐波小波系数与该信号的瞬时特征之间的关系,提出非平稳信号瞬时特征提取的谐波小波模型和提取方法.通过算例中的线性调频信号和应用实例中的轴承座振动信号的验证表明,该模型与方法具有较好的抗噪能力,对非平稳信号的瞬时特征具有更高的分析精度,能实现非平稳信号中特殊成分的瞬时特征提取.该方法能通过傅里叶变换实现其快速算法,具有算法简单、快速的特点,实现非平稳信号瞬时特征的实时分析.     

超声信号的特征提取与选择在缺陷分类识别中的应用

超声缺陷回波信号的特征提取与选择是超声波检测的基础和关键。结合待检测超声信号的特点,在时域、频域上研究了超声缺陷信号的特征提取,提出SBS和SFS结合的特征选择方法。在满足识别准确率的同时,有效地降低了分类器输入向量的维数,提高了运算效率。     

齿轮箱振动信号降噪及特征提取方法研究

以峭度值来构建适应度函数,再利用粒子群自适应优化方法得到最大峭度对应的分解层数。对仿真信号降噪情况进行分析可知,本文算法可以更加高效提取得到微弱特征频率,从而完成齿轮箱故障有效判别。通过信号处理测试可知,本文方法可以有效抑制齿轮箱振动产生的强背景噪声,使频率混叠得到充分消除,从而更加准确提取得到故障特征。     

基于最优小波基的电机故障信号特征提取研究

小波变换去噪中最关键的问题是最优小波基的选取,使其能够将噪声从原始信号中分离出来。针对电机故障的特点,提出了一种基于信号的最优小波基选取方法。将信号小波变换的能量阈值曲线作为小波基函数的适用性评价指标。通过训练神经网络,选取适合该信号的最优小波基,最后采用平移不变量(TI)小波阈值法实现信号去噪。在此基础上对750W化纤电机进行了测试,实验结果表明,该方法能准确找出适合特定信号的最优小波基。训练后的神经网络可直接用于其它类型电机的信号去噪处理,具有实用价值。     

基于信号的正交小波构造及其在电机故障特征提取中的应用分析

本文讨论了小波变换的基本理论及小波函数与信号的相关系数对信号去噪效果的影响。在此基础上提出了基于信号的正交小波构造方法:根据信号的频域特征,对各频带系数进行加权处理,确定多尺度分析的生成元,从而构造L2空间的正交小波函数。应用不同小波函数提取750W整数槽化纤电机的振动信号的故障特征,实验结果表明采用此方法构造的小波函数能更加有效地从强噪声中提取故障特征,从而实现对电机故障的精确诊断。     

多尺度熵在变压器振动信号特征提取中的应用

以提取变压器绕组振动信号有效特征为目的,对多尺度熵(multiscale entropy,简称MSE)适用于非平稳非线性振动信号分析的特点和机理进行分析,在此基础上将其引入变压器绕组振动信号的特征提取中。利用不同尺度内信号样本熵的变化来反映变压器绕组运行状态的改变,将其作为一个能定量描述绕组故障信号特征的有效特征参数。实验数据分析表明,与样本熵相比,多尺度熵能更好地实现故障信号特征的定量提取,是表征变压器绕组不同故障信息的一种有效参数。     

以粗糙集近似逼近理论提取发动机振动故障特征

主要探索一种从庞杂数据中挖掘有用信息的方法。首先介绍了粗糙集的基本理论与计算近似精度的方法，简述了粗糙集理论的特点及与模糊集理论、证据理论的区别与联系，然后将经过预处理的发动机振动信号进行实数离散．运用粗糙集的下近似、上近似及粗糙逼近理论，计算属性等价类对决策等价类的逼近精度。计算结果表明，采用等频率和等量间隔相结合的方法离散实数能保留数据中良好的自然分类特性，采用粗糙集的近似逼近理论能有效地提取出发动机故障特征。     

钻削振动信号小波包分频谱减特征增强方法

针对在钻削加工噪声背景下振动信号微弱特征识别和提取困难的问题,提出了一种基于小波包分频谱减的钻削振动信号特征增强方法。首先,在经典谱减法原理的基础上,将钻削前机床空转信号视为监测信号的"加性噪声";其次,根据钻削过程振动信号的特点,采用小波包分解方法将"加性噪声"和监测信号分成多个子频带;最后,对每个子频带内"加性噪声"的相应频带进行谱减处理后,重构钻削振动信号。仿真和实验结果表明,该方法能有效降低环境噪声对钻削过程特征提取的影响,从而达到增强监测信号特征的目的,同时建立了钻削过程与监测信号之间很好的映射关系模型。     

柴油机气缸盖热-固耦合分析

在建立气缸盖实体模型的基础上,利用相关边界条件计算了气缸盖上各区域的换热系数,并对气缸盖进行了温度场仿真计算;分析了在多种工况下气缸盖的应力,确定了结构上的薄弱区域。认为当气缸盖受到热-固耦合共同作用时,气缸盖内部拉压情况变得更加复杂,各部分应力呈现明显的非线性。     

发动机气缸盖与气缸套温度场测试系统

发动机在稳定工况运行时,气缸内气体温度呈现剧烈周期性变动,气缸盖也将发生一定的温度波动.以某柴油发动机气缸盖和气缸套温度场分布规律为研究对象,采用存储测试技术设计了体积小、输入通道多、同步性好、精度高的温度测试系统.准确可靠的测试数据能够为柴油发动机的可靠性研究,发动机的设计、改进和验收提供依据.