基于声强信号分析和组合神经网络的发动机故障诊断

建立了一个基于声强信号分析和组合神经网络的发动机故障诊断模型。该模型首先运用小波理论分析各类故障下发动机产生的声强信号,获取反映发动机工作状态的频带特征向量,然后将特征向量用于组合神经网络训练,进行故障模式识别。通过对3Y丰田2．0发动机的试验数据分析表明,这种模型可有效提高故障诊断的效率和准确率。     

车用汽油机噪声源的声强测量识别

运用声强测试技术的双传声器法原理，对一台车用汽油发动机在半消声室内进行了声强测量。根据声强测量的结果绘制声强云图和各个测量面上的主要频率成分的噪声声强云图。分析这些声强云图的特征和发动机部件在空间上的对应关系，对发动机的主要噪声源进行了识别研究。     

基于声强和小波包分析的汽车发动机燃爆信息特征提取研究

针对发动机燃爆信息的非平稳性,利用声强近场测量和小波包多分辨率分析的特点,提出了一种基于小波包分析的声强算法,本文利用该方法对某型号发动机燃爆信息的特征提取进行了实验研究。实验结果表明,该方法可以从复杂的发动机缸盖辐射噪声中提取出燃爆信息,所提取的燃爆信息可作为发动机单缸失火的故障诊断指标。本文所提出的基于小波包分析的声强算法为汽车发动机运行状态的在线监测和故障诊断提供了一种有效的手段。     

车用发动机噪声源识别方法的研究

利用声强测试中的p-p法,对一台汽油机的噪声进行声强测试,将测试得到的数据用STARAcoustics声强分析软件进行处理和分析,得出发动机各个包络面的等声强分布、声强矢量分布、声功率和声功率级的计算结果;利用这些结果分析和识别了该发动机几个包络面的主要噪声源,确定了其噪声源的位置、主要噪声频率、声功率的大小及声功率的贡献,为降低该发动机噪声提供了改进依据。     

应用声强测试技术对发动机噪声源识别的研究

通过对一台增压柴油机的噪声进行声强测试,将测试得到的数据用STARAcoustics声强软件进行处理和分析,得出发动机各个包络面的等声强分布、声强矢量分布和声功率的计算结果;利用这些结果着重分析和识别了该发动机的主要噪声源,确定了其噪声源的位置、主要噪声频率成分和声功率的贡献,为降低发动机噪声提供了改进依据.结果表明,通过与9点法试验结果的定性比较,能够更准确地判断噪声源的位置及其频率分布.     

发动机连杆轴承故障噪声诊断研究

提出了基于小波包和模糊聚类分析的连杆轴承故障的噪声诊断方法。在EQ6100型发动机上预先模拟连杆轴承故障,根据发动机故障时变、非平稳的特点,运用小波包对发动机噪声信号进行特征提取并削减了背景噪声的影响。选取时域上5个参数作为评价故障的特征指标。通过对模糊聚类理论方法的分析比较,引入模糊C-聚类划分理论及方法对噪声信号的指标样本进行分类,得到最优分类矩阵和聚类中心,从而建立了故障的标准类型样本。通过对新测取的噪声信号样本进行检验,证明该方法能有效地判断待检样本的类型,诊断连杆轴承故障。     

发动机和底盘取力系统智能控制的研究

针对重型专用车发动机和底盘取力系统转速智能控制问题，提出了基于闲环反馈式自动控制方式的解决办法．该系统依据工作机转速信号与标准信号的比拟，在控制集成块中测算处理数字信号差，利用可编程控制器对步进电机的转速进行实时调整，从而驱动发动机转速控制系统实现二次调速功能。随着产品的进一步完善，可大大提高车载取力工作机的工作效率和工作质量，具有很高的实用价值。     

基于傅里叶分析的采摘机器人通信系统优化

为提高采摘机器人使用过程中通信系统的时效性,提高通信能力,提出一种采用傅里叶变换对含有噪音的线性调频信号进行滤波处理的方法。将含有噪音的通信波信号进行分数阶傅里叶变换,形成二维的时域内频谱信号,含有噪音的线性调频信号不同阶傅里叶变换域内会出现不同的能量聚集特性,在二维时域频谱平面内进行峰值搜索,得到最优阶傅里叶变换信号,设计出滤波器,在峰值两侧进行信号隔离,设置带宽得到有用信号。对搜索到的信号进行反变换,变换阶次与傅里叶变换阶次相同,从而得到不含噪音的通信信号。仿真验证结果表明:通过傅里叶变换能够有效优化线性调频信号在时域和频域范围内的噪音信号。     

奥迪A6 2.8L轿车二次空气喷射故障检修实例

一辆奥迪A6 2．8L轿车，冷车时发动机故障灯报警，检修时采用换件法更换氧传感器和空气流量计，但故障依旧。在着手故障诊断之前，首先用奥迪Audi专用解码仪VAS5051读取故障，显示两个故障信息：The Seconds Air flow too low（二次空气流量太低）和1 bank λ fault（左前氧传感器故障）。把故障代码清除再检测时没有发现故障，此时发动机处于热车状态，但冷车时故障信息又出现。从故障出现特点和车型配置分析，导致故障出现有以下几个原因：（1）燃油供给系统和进气系统。（2）点火系统。（3）发动机控制单元。（4）水温传感器和空气流量计。（5）λ传感器及二次空气喷射系统。     

基于主成分分析和遗传支持向量机的发动机故障诊断

为了实现发动机故障的快速实时诊断,提出一种基于主成分分析（PCA）和遗传支持向量机（GA-SVM）的发动机故障诊断方法。该方法利用振动信号经小波变换和主元分析来提取故障特征,以减少信号的冗余。针对人为选择SVM参数的盲目性,应用遗传算法优化其参数,并与BP神经网络（BPNN）比较。试验结果表明：GA-SVM比BPNN具有更强的分类识别能力,小样本故障诊断正确率达100%。     

基于神经网络的柴油机故障诊断

本文分三种工况,在X4105BD2型柴油机缸盖、缸壁上测取了柴油机燃油系统正常工作状态和五种故障状态下的振动信号。对这些振动信号提取时域特征参数,把这些时域特征参数作为故障征兆向量,研究柴油机BP神经网络故障诊断方法。     

基于数据采集卡的转速测量方法及实现

为了研究柴油机相继增压系统的性能，实现相继增压柴油机涡轮增压器超速保护，需要实时测量多个涡轮增压器的转速以及柴油机的转速。本文给出了一种基于微机和数据采集卡测量涡轮增压器转速、内燃机转速的方法及其算法实现。该速度测量方法的测速精度、测速个数能够满足相继增压柴油机速度测量要求。     

基于振动信号的柴油机故障诊断方法研究

针对柴油机表面振动信号的非平稳时变特性，引入局域波分析方法，它有效克服了用传统方法进行非线性、非平稳信号分析时产生无意义谐波分量的缺点。并提出了应用局域波时频分析方法和边界谱分析法对柴油机进行故障诊断的方法。利用这两种方法对现场和实验室两种工作环境下的实测数据进行分析处理，分析结果表明了该方法的有效性和工程实用性。     

基于时序分析与模糊聚类的变速箱齿轮故障识别

通过对LC5T81变速箱疲劳寿命台架试验采集的齿轮运行状态振动信号进行时间序列分析和特征向量提取，并采用模糊聚类分析方法确定变速箱齿轮运行状态特征向量样本的亲疏关系，实现了对变速箱齿轮的跑合运行状态、磨损运行状态和故障运行状态的识别与诊断。验证表明，基于时间序列分析与模糊聚类分析相结合的故障识别方法能够有效地识别出变速箱齿轮运行状态。     

灰色关联分析在点火系统故障诊断中的应用

在分析发动机点火系统故障诊断参数的基础上，提出了用灰色关联分析进行故障诊断的方法。建立了基于灰色关联分析的故障诊断模型，给出了计算灰色关联度的具体步骤，建立了汽车发动机点火系统的故障集、征兆集。实例分析结果表明，利用灰色关联分析理论对发动机点火系统进行故障诊断，是一种行之有效的方法。     

柴油机噪声源识别的研究

通过振动速度测量和声强测量相结合的方法对某柴油机进行了表面噪声源识别的研究。首先通过试验测量了柴油机各主要噪声辐射部件的表面振动 ,并通过合理的简化确定了辐射比 ,然后利用测量得到的表面振动速度计算了各部件辐射声功率和柴油机整机声功率 ,整机声功率计算结果和实际测量结果吻合较好 ,说明柴油机表面振动速度测量技术能够较好地用于噪声源识别的研究。     

HCCI内燃机瞬时转速波动的试验研究

利用由ADL ink PC I-9812 A/D高速数据采集卡(20 MHz)和工控机及磁电式转速传感器组成的数据采集系统用高速采样法对CA6110型6缸柴油机进行了多工况瞬时转速测量和分析,该内燃机第6缸采用燃用乙醇的HCC I燃烧方式。试验结果表明,利用高速采样法可以获取出正确的内燃机瞬时转速波动,采样频率不能低于500kHz。瞬时转速波动不仅可以判别出HCC I缸的燃烧状况,而且还可以定量地诊断出各缸工作的均匀性,进而为内燃机故障诊断提供了充分的科学依据。