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。     

柴油机缸盖振动信号的特性分析方法

在建立了柴油机缸盖振动信息模型的基础上,通过研究缸盖振动信号的时域、频域和循环波动特性,发现了柴油机缸盖振动信号表现出非平稳时变和冲击振动的特点.其内循环的时域特性和频域特性是指导振动诊断的有效工具,而循环间的波动特性则不利于特征参数的提取,这为振动诊断提供了一条简易可行的途径,即抽区间采样分析和参数平均相结合的诊断方法.     

柴油机缸盖振动信号的检测方法

柴油机缸盖振动信号的获取过程中,信号的质量除受测量系统精度影响外,主要受到测量位置以及采样频率的影响.为此,研究了柴油机振动信号测点选择和采样频率的选取方法.结果发现,缸盖和机身振动最敏感;振动信号的采样频率以25kHz为宜.同时,给出了缸盖振动信号的整循环近似同步采样实现方法.     

小波包改进算法在柴油机振动分形诊断中的应用

分形法诊断柴油机故障时,实际测取的柴油机振动信号中存在着许多干扰信息,利用改进的小波包分解和重构算法对原始信号进行降噪处理,再选择合适的嵌入维数,计算出的关联维数即能够反映系统的真实特性.实例分析表明,该算法准确可靠,可极大提高利用信号关联维数判断柴油机运行状态的准确性和可靠性.     

基于二维谱熵和支持向量机的柴油机故障诊断

对柴油机燃油喷射系统典型故障进行台架模拟试验,测量了柴油机缸盖振动信号,通过频域分析提取了二维信息谱熵作为特征指标,将二维谱熵作为支持向量机(SVM)分类器的输入量,建立了故障诊断模型。经验证,该方法具有良好的分类能力和较高的诊断精度,达到了柴油机故障诊断的要求。     

基于小波K-L信息量柴油机故障诊断方法的研究

根据柴油机表面振动信号非平稳时变的特性 ,采用小波对柴油机缸体表面的振动信号进行分解得到特征信息量 ,并以此建立 AR模型 ,计算得到 K L信息量。提出了基于小波 K L信息量的模式识别方法 ,实现故障诊断技术的量化。对柴油机活塞和缸套间的磨损状态进行了故障诊断实例分析 ,诊断结果说明基于小波 K L信息量的模式识别方法对柴油机的故障诊断具有很好的实用性。     

基于RBF神经网络的农用柴油机故障诊断研究

柴油机以其良好的动力性、可靠性、经济性在农用机械中广泛应用,但对农用柴油机施行及时的不解体故障诊断却并非易事。为此,以配气机构故障为例,提出了将小波包分解与RBF神经网络结合的故障诊断方法,对降噪后的气缸盖振动信号进行小波包分解,构造故障特征向量作为故障样本,并用训练好的RBF神经网络进行模式识别。试验结果证明,该方法具有良好的诊断效果和广泛的工程应用前景。     

基于缸盖振动加速度的柴油机燃烧始点识别

利用振动加速度信号对柴油机燃烧始点进行了识别。通过模拟计算的方法分析了缸盖表面振动加速度特征点和燃烧始点的关系,表明缸盖表面振动加速度和缸内压力二次导数具有相似的变化趋势,可利用压缩冲程中振动加速度峰值之前的过零点估计燃烧始点出现时刻。在195型柴油机上进行的台架实验结果表明,以缸内压力信号识别的燃烧始点为参考点,振动加速度识别的燃烧始点偏差在1.5°CA之内,基于缸盖振动加速度识别柴油机燃烧始点是可行的。     

基于LMD分解的风机轴承故障信号提取研究

为准确得到风机轴承故障的运行状态,分析局域均值分解方法,对风机故障振动信号提取,应用LMD分解方法对风机轴承实际振动信号进行分解,提取其能量特征值并将特征值进行归一化处理,得到各个分量的能量值,最后判断风机轴承的故障类型。     

柴油机故障诊断新方法

<正>1.振动分析法。利用柴油机在工作时产生的振动信号,经测试、数据分析及处理对内部零部件的状态进行诊排。其方法具有诊断速度快、准确率高和能够实现在线诊断的特点。2.铁谱和光谱监测技术。