柴油机气阀故障振动诊断的初步试验研究

文章首先简述了故障诊断的重要意义。它对于提高柴油机的操纵管理水平、进行视情修理、节约修理费用、提高舰艇在航率是有帮助的。本文着重介绍了气阀间隙异常与气阀漏气的故障诊断试验。其诊断原理就是利用气阀在开和关时产生的冲击振动信号,在时域、频域、幅域进行分析,而后把异常时测得的信号和正常时的振动信号进行比较,根据其差异的性质和大小来诊断气阀的故障。本试验采用加速度计、测振仪、电荷放大器、光线示波器等,将测到的振动信号仅在时域里作了分析。根据振动信号出现的早晚、幅值的大小、延续时间的长短来诊断气阀机构的故障。只要测点选择合适,故障时的异常振动信号是明显的,发动机正常工作时的其它振动信号随着转速升高、负荷增加而变大,对气阀的异常信号干扰也增大,所以低速小负荷要比高速大负荷容易诊断出故障来。在试验中除了气阀开关时的冲击振动信号之外,还出现了许多其它的信号,也通过对比试验一一作了识别。     

基于小波分解的柴油机振动信号特征提取方法

柴油机振动是一种多振源的复杂振动形式,其机体表面振动是内部各种激振力共同作用的综合反映。在柴油机使用过程中技术状态的改变将导致激振力发生不同的变化,因此测量机体激振信号有利于对柴油机技术状态进行监测。通过测量不同技术状态的柴油机机体振动信号,利用小波包分析的方法,将柴油机振动信号按其特征频率进行了小波分解和重构,提取了振动信号特征。分析结果表明,此方法能够提高信噪比,提取的振动信号特征能够反映柴油机技术状态的变化。     

小波方法在滚动轴承振动信号分析中的应用

通过分析滚动轴承表面损伤类故障信号的特点,提出了基于小波包分解和信号重构技术的滚动轴承故障精密诊断方法.试验表明,该方法是有效的,适用于滚动轴承早期故障的振动监测和诊断.     

基于SVM的控制棒驱动机构滚轮状态评估方法

针对控制棒驱动机构滚轮振动信号非平稳、小样本的特性,提出了一种基于支持向量机的滚轮状态评估方法。该方法首先对信号进行小波降噪,再将降噪后的信号分解为若干乘积函数分量之和,选取包含主要故障信息的分量进一步分析,从这些分量中提取几种特征参数作为支持向量机的输入参数,建立了滚轮故障识别模型。通过对滚轮正常状态、故障状态的分析证明,该方法可以准确、有效地对滚轮的工作状态进行分类。     

发动机配气机构振动信号时域分析

对康明斯6BT5.9型柴油发动机配气机构产生的振动信号进行了时域分析,采用振动加速度峰峰值作为判定发动机配气机构技术状态的特征量,并采用多通道信息融合技术实现配气机构的故障诊断。     

内燃机电站联轴器配合松动故障的诊断方法

通过对联轴器在正常与故障情况下振动信号数据的分析处理,找出联轴器的配合状态特征——振动信号在频域中的能量分布关系,提出了故障判断方法。     

基于模态分析的变速箱振动测点优化配置

针对坦克变速箱振动信号在状态监测中测点的选择问题,提出了根据不同测点的频响特性优化振动测点的方法。通过分析变速箱箱体的有限元动力学模型,得到箱体的各阶固有频率和振型,选择模态分析中总位移较大的位置作为最优的测点安装传感器,为试验测点布置以及状态监测和评估提供理论支持。研究结果表明：位于风扇联动装置齿轮箱附近的传感器对变速箱振动信号的强弱变化比较敏感。     

基于缸盖振动的燃油喷射系统故障诊断

对V型12缸柴油机缸盖振动燃烧段信号与缸内压力进行了时域对比,分析了失火时的缸盖振动响应,研究了供油规律随转速变化情况。分析表明缸盖振动中包含喷油器针阀落座的振动响应,研究了基于短时能量动态双阈值端点检测提取针阀落座响应时间特征的方法,利用振动信号的峰值加速度来表征针阀落座的强度。在不同工况及不同状态下提取了针阀落座时间及强度的振动特征,结果表明：振动特征能够有效反映针阀的工作情况,可以用于燃油喷射系统故障的诊断。     

小波分析和神经网络结合的变速箱状态识别

针对变速箱故障信号的非平稳和时变特性，提出了小波分析和神经网络结合的变速箱状态识别方法。为了验证该方法的有效性，试验模拟了某型车辆变速箱正常、7216轴承滚动体点蚀及3挡被动齿轮严重磨损3种状态，以箱体振动信号作为分析信号，首先对信号应用小波阈值法降噪减少干扰，接着将小波分解系数单子带重构得到不同频带的信号分量，提取各频带能量作为特征向量输人神经网络进行状态识别，结果表明该方法能有效识别变速箱的3种状态。     

机械状态振动烈度监测方法研究

介绍了振动标准和振动测量的基本现状,分析了振动烈度的时域和频域计算方法,后者对信号类型的适用性强,对计算频率范围的选择灵活,避免了利用微积分进行信号类型转换和滤波等复杂处理,通过实例给出了应用振动烈度监测机械设备状态的注意事项。     

基于振动分析的坦克柴油机汽缸燃烧压力检测方法

针对在坦克实车上不易直接测量柴油机汽缸压力的问题,提出了一种通过测量柴油机汽缸盖振动信号来间接检测汽缸燃烧压力的方法。在某型坦克柴油机上同步测量了汽缸燃烧压力、汽缸盖振动信号和变速箱振动信号,利用自适应滤波方法滤除了汽缸盖振动信号中包含的变速箱振动信号形成的噪声干扰,利用配气相位从时间域分离出由气体燃烧压力激发的振动信号,利用Hilbert变换和小波分解方法分别提取了振动信号和压力信号的特征波形。建立了RBF神经网络模型,以汽缸盖振动信号的包络作为网络输入,实现了汽缸燃烧压力的间接检测。     

坦克柴油机振动检测时提高振动信号信噪比的方法

研究了柴油机振动信号的时域同步平均方法,针对柴油机振动信号的循环波动性特点,提出了按曲轴转角进行角域同步平均的方法,减小循环波动性对信号分析的影响。利用多抽样率分析方法消除了同步平均时柴油机转速波动的影响。通过对坦克柴油机汽缸盖振动信号的处理结果表明,该方法可有效提高信噪比。     

柴油机缸盖振动信号关联维数的影响因素分析

柴油机缸盖振动信号的关联维数是柴油机健康状况评估的重要参数。在实际工程应用中,关联维数的计算面临着重复性差的问题,通过分析振动信号的截取方法、信号成分以及工况等因素对关联维数计算的影响,较好地解决了关联维数计算重复性差的问题。     

基于EMD、遗传算法及神经网络的柴油机故障诊断

研究了将经验模式分解(Empirical Mode Decom position,EMD)、遗传算法及BP神经网络相结合对柴油机振动信号进行故障诊断的方法。首先运用经验模式分解方法对柴油机缸盖表面振动信号进行分解并提取特征参数;然后利用遗传算法对得到的特征参数进行选择,找到对于故障诊断最为敏感的参数;最后建立了BP神经网络模型对柴油机典型故障进行诊断。通过对某型柴油机的验证,表明该方法能够准确识别柴油机供油系统的典型故障。     

匹配追踪信号分解法在进气门间隙故障诊断中的应用

介绍了匹配追踪信号分解法在发动机故障诊断中的应用。针对康明斯6BT5.9型发动机进气门振动信号,采用时域表达较为理想的高斯函数作为信号展开的基元函数进行信号分析,并进行了试验验证。     

信号稀疏分解理论在轴承故障检测中的应用

将信号稀疏分解理论引入到轴承故障检测问题中,提出新的轴承故障检测方法。通过字典学习的方式可有效实现轴承正常状态振动信号稀疏表示的超完备字典。利用该字典只适用于轴承正常状态信号稀疏分解的特点,将待分析信号在该字典上展开,通过比较信号稀疏表示误差与所设定阈值的关系来判断轴承对应的状态,从而实现轴承的故障检测。实验结果表明:当误差阈值设置合理时,该方法可有效地判断出轴承是否发生故障。     

参照化流形空间融合学习的敏感特征提取与异常检测方法

针对遥测振动信号冲击强、响应周期短、共振频带宽和小样本等特点导致异类模式识别率低的问题,提出基于参照化流形空间融合学习的敏感特征提取与异常检测方法。采用多尺度分析方法将信号正交无遗漏地分解到各尺度带中,提取多尺度特征构造高维特征集；以相同的正常信号样本结合相同类型的异常样本建立专属参照化模型单元,采用线性流形学习获取各参照化模型单元多尺度流形特征差异,增强异常特征的敏感性。融合各参照化模型单元的投影矩阵对原始特征集进行升维再学习,获取低维多尺度敏感流形特征；输入到分类器实现对未知样本状态辨识。实测信号处理结果验证了算法的有效性。     

不同介质中声辐射相似性

研究不同介质中声学相似条件,可为空气噪声实验数据推算相应条件水下辐射噪声,替代复杂水下实验提供依据。因此,首先运用了因次分析法对任意不同介质中的声辐射相似性进行了分析;然后,采用结构有限元耦合流体边界元理论,利用NASTRAN计算模型表面流固耦合振动;最后,通过FORTRAN边界元程序计算辐射声场;以加肋圆柱壳为对象在水和空气两种典型介质中进行了数值模拟验证。理论推导与数值计算的结果一致性表明:不同介质中两个几何相似、表面振动相似的系统间结构表面振幅与该系统几何尺度成正比、表面振动波波长与该系统传声介质中声波波长成正比时,两个模型的无量纲声压相等。