基于小波分形技术的发动机曲轴轴承故障特征分析

为提取柴油发动机曲轴轴承振动信号的故障特征,采用小波分形技术,对发动机加速振动信号进行分解和各层低频带信号重构,计算并比较了各重构信号的分形维数.结果表明,曲轴轴承磨损故障最佳诊断部位为缸体与油底接合处右侧及缸体正下方油底壳处;最佳转速为1800r/min、2100r/min;小波分解后特定层的时域重构信号的分形维数,能够敏感反应柴油机曲轴轴承的技术状态,有效提取曲轴轴承的故障特征.     

基于离散粒子群优化算法的汽车发动机故障特征选择

最优特征选择属于组合优化范畴,针对汽车发动机机械故障特征选择问题,分析了冗余特征的存在对于故障分类器分类性能的影响,选择最优特征组合可以提高故障分类的正确率,提出基于离散粒子群算法的特征优化组合算法,利用BP神经网络评价特征优化的性能,并将其应用到汽车发动机曲轴轴承磨损故障诊断中.实验结果表明,与遗传算法相比,基于离散粒子群算法的特征优化算法优化效率较高,分类正确率较高,优化后的特征集可以显著地提高故障分类器的分类性能.     

基于EMD分形技术提取变速器轴承故障特征

故障轴承振动信号具有分形特征,可以利用分形维数有效识别变速器轴承的故障模式.噪声的存在对分形维数的计算结果影响较大,为此采用经验模态分解（EMD）方法,对变速器轴承振动信号进行EMD分解,计算分解后的IMF分量的分形维数,提取出变速器轴承不同技术状态下的故障特征。对实测变速器轴承振动信号分析,结果表明：EMD能对不同频带信号进行有效分离;特定IMF分量的分形维数能敏感反应变速器轴承技术状态,可以作为变速器轴承故障诊断的特征参数;EMD与分形维数相结合是提取变速器轴承故障特征的一种有效方法。     

汽油机活塞销轴心轨迹计算及在故障诊断中的应用

采用汉氏法求解雷诺方程,计算出不稳定载荷下滑动轴承在不同偏心率和动力参数和条件下的油膜无量纲承载力,并根据实测的发动机气缸压力计算出活塞销所承受的负荷。然后根据实际负荷与油膜承载力的平衡关系,计算出动载荷下每一时刻的油膜厚度,从而确定活塞销轴心在连杆小头铜套中的运动轨迹。计算结果表明。连杆在整个运行周期中,绝大部分时间承受压缩载荷。且压缩载荷远比拉伸载荷大。此结果可用于发动机活塞连杆组的结构设计与故障诊断中,并能对一些实际故障现象进行合理的理论解释。     

汽油机活塞敲缸响的力学分析

从分析活塞的受力状态出发,运用流体动力润滑雷诺方程,求解出作用在活塞裙部的油膜力和力矩。并结合活塞裙部的侧向运动方程,编制了模拟活塞二阶运动的计算程序。运用此程序对CA1091型车用汽油机不同结构参数、不同工况下的活塞裙部上,一端的横向运动轨迹进行了数值求解,得出同了不同间隙条件下活塞对缸壁的最大冲击时刻,最大冲击部位等,分析结果可用于发动机活塞组的结构设计与故障诊断,并能对许多实际故障现象进行合理的理论解释。     

基于连续小波变换系数的柴油机异响故障特征提取与诊断

用Morlet小波对EQ6BT柴油机活塞敲缸响、活塞销响的缸体振动信号进行连续小波变换,然后将所得到的小波变换系数作出尺度—能量谱以及三维能量谱图,从而实现了对柴油机异响故障的特征提取和诊断。结果表明：利用Morlet连续小波变换系数的尺度—能量谱和三维能量谱图,能够直观而有效地检测和区分EQ6BT柴油机活塞敲缸响、活塞销响两种故障及其故障的严重程度。     

基于非平稳循环特征极坐标增强的曲轴轴承磨损故障诊断

曲轴轴承早期磨损故障特征微弱且呈现非平稳循环特征,提出一种非平稳循环特征极坐标增强方法。利用连续小波变换对发动机振动信号进行处理,然后根据发动机工作过程与配气相位的关系对于每一工作循环数据进行等角度采样,将信号特征由直角坐标系映射到极坐标系并进行同步增强,并利用模糊C均值聚类对故障特征参数进行分类识别。仿真信号的分析对比显示了该方法能够削弱噪声干扰,突出信号特征。运用此方法对某型发动机曲轴轴承磨损信号进行分析,有效地提取了曲轴轴承磨损特征信息,准确识别了曲轴轴承不同磨损故障。     

基于分数阶聚能带分析的微弱故障特征提取研究

提出了一种分数阶聚能带时频累加谱方法,快速实现长数据的时频分析,突出目标分量,用于提取变速器急加速过程微弱故障特征。根据变速器输入轴转速信号及传动比确定分数阶傅里叶变换（Fractional Fourier Transform, FRFT）最佳阶次,对变速器急加速过程振动信号进行最佳阶次FRFT,根据FRFT模值谱确定聚能带,计算分数阶聚能带时频累加谱,通过对比多组正常和故障数据的分数阶聚能带时频累加谱结果和阶比谱结果,验证该方法的有效性。试验结果表明：根据转速信号能快速、准确确定FRFT最佳阶次;选取聚能带内的FRFT结果进行时频分析,计算量小,分辨率高,分数阶聚能带时频累加谱具有聚焦和局部放大的特点, 能很好地突出目标分量,抑噪噪声,是提取变速器急加速过程信号微弱故障特征的有效方法。     

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。     

基于稳健全息阶比谱提取微弱故障特征

提出了一种稳健全息阶比谱方法,用于提取变速器变速过程的微弱故障特征。首先分析了转速波动对传统阶比方法分析精度的影响,构造了基于转速调整的改进阶比方法,对水平与垂直方向加速过程信号的改进阶比谱进行全息分析,构成稳健全息阶比谱,并与单测点改进阶比谱结果对比。试验表明,改进阶比谱能有效抑制转速波动对等角度采样的影响,提高了阶比谱分析精度,有效增强了全息阶比谱的稳健性;相对于任一方向单测点阶比谱,稳健全息阶比谱既能分析变速过程信号,又能融合多点信息,其量化参数能更准确评价诊断对象的技术状态,证明稳健全息阶比谱是一种全面、可靠提取变速过程微弱故障特征的有效方法。