船用多缸柴油机各缸功率均匀性故障检测方法

当前,船舶多缸柴油机普遍缺乏有效的各缸功率均匀性故障检测手段,最为有效的缸内压力检测法受限于昂贵的测试仪器和复杂的检测过程而难以广泛应用,目前仅能根据各缸爆压、排温等参数进行准确度不高的分析。柴油机瞬时转速信号能够间接反映缸内压力,它包含丰富的信息量,测量方便,可以作为各缸功率均匀性检测的有效信息源。据此对6-135型柴油机通过调整部分气缸喷油量的方法进行各缸功率不均匀故障的模拟,通过对其瞬时转速信号的测试和分析,从中提取各缸瞬时转速升程相对值作为有效故障特征。正常状态下,各缸瞬时转速升程相对值变化范围在±10%以内,若该参数下降超过10%,可认为对应的气缸存在发出功率偏少问题。该方法能够正确判断各缸功率均匀性故障,可为多缸柴油机工作均匀性分析提供新的检测途径。     

基于瞬时转速多特征融合的内燃机各缸工作状态识别

为分析内燃机瞬时转速波动过程与各缸工作相位的对应关系,进而识别各缸工作状态,提出了基于硬件计数原理的内燃机瞬时转速精确测试方法,在某自行火炮发动机上测取了发动机正常工作、燃烧不良和失火工况下的瞬时转速信号。对信号进行频谱分析,并利用分频带滤波方法分离出电调信号和各缸做功冲击信号,进而提出5个特征参数并计算各特征参数的相对偏差和偏差极性,最后根据不同特征参数的相对偏差幅值和偏差极性分布规律判别各缸工作状态并定位状态异常缸。     

柴油机燃油供给系统故障模糊诊断研究

通过分析柴油机燃油供给系统的故障表现形式及高压油管的油压波形特征 ,研究了柴油机燃油供给系统的故障诊断策略。首先 ,利用转速波动的扭矩谐波比诊断燃油供给系统是否有故障 ,再利用最大加速因子进一步确定故障源 ,最后 ,从高压油管的油压波形中提取诊断特征参数 ,用多参数模糊诊断的方法来诊断燃油供给系统的常见故障 ,并将此方法应用于柴油机故障诊断专家系统中 ,取得了满意的效果     

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。     

直列式内燃机往复惯性力对瞬时转速影响的仿真研究

提出了两种由直列式内燃机往复惯性力计算转速波动的仿真模型 ,对不同气缸间惯性力的相位耦合进行了仿真分析 ,证明缸数对转速波动的幅度和频率均有着很大的影响 ;利用希尔伯特变换对转速波动信号进行时频分析 ,证明了多缸机转速波动波形为调频余弦曲线     

基于排放和模糊神经网络模型的柴油机故障诊断方法

根据排放检测数据规律,定义并提取特征参数,建立了规则与模糊神经网络有机结合的柴油机故障诊断模型及其对应的特征知识库,确立了模型的“可塑性”学习路线,并以单缸失火故障为例,进行了模型诊断实例研究。结果表明：运用该方法进行柴油机的故障诊断,结果准确,识别速度快,诊断效率高。     

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。     

基于D-S证据融合的转子碰摩故障诊断方法

转子碰摩故障可以体现在转子振动、定子振动和转子瞬时转速波动等多项信息中,每种信息代表了不同侧面的故障特征,因此可通过多信息融合方法来提高诊断的正确性.为此,构造了基于定子振动和转子瞬时转速信号的转子碰摩故障诊断识别框架,采用S函数确定了mass函数的形式,给出了基于Dempster-Shafer证据理论的推理方法,将定...     

早期碰摩转子瞬时转速波动特征的实验研究

转子瞬时转速信号中含有丰富的碰摩特征信息,而且基本不受不对中、不平衡等常见故障的影响,可望用于转子碰摩故障的诊断,据此利用仿真和实验手段研究早期碰摩故障时转子的瞬时转速变化规律.建立了考虑转子瞬时转速变化的碰摩动力学模型,通过一阶共振转速范围内的计算求解,发现随着转速的升高,依次会发生不碰摩-单点碰摩-局部碰摩现象,且转速波动幅度会依次增大;单点碰摩和局部碰摩时的瞬时转速波动频谱均以转频为主要分量,但单点碰摩时包含较多的高阶倍频分量,局部碰摩时高阶倍频分量较弱.然后,搭建转子碰摩实验平台,分别进行了不碰摩、单点碰摩和两种不同程度的局部早期碰摩故障的模拟,实测的瞬时转速波动和频谱分析结果与仿真结果相一致,证明了转子瞬时转速波动信号可以指示碰摩故障的发生和严重程度,可为转子碰摩故障提供新的诊断思路和途径.     

基于转速分析的柴油机加速性能和气缸气密性的评价方法

对不同使用摩托小时的坦克柴油机的加速、减速时间进行检测和分析,利用Bayes Bootstrap模拟统计方法对转速特征值进行处理,获得了更准确的特征分布．采用动态聚类方法对样本特征进行分类,实现了对柴油机加速性能和气缸气密性的等级评价．     

基于神经网络的柴油机特征参数评价与选择

在设备故障诊断中,正确地提取与选择特征参数对于诊断结果的有效性和准确性具有关键性的意义,在提出评价判据时样本的概率分布往往难以确定,针对模式识别中特征量的选择方法,结合人工神经网络原理,提出了利用人工神经网络进行故障特征量评价与选择的方法,实现了对柴油机特征参数的提取及选择,有效地解决了柴油机状态监测与故障诊断中测试参数多而难以优化的问题。     

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。     

基于神经网络技术和小波分析的发动机 气缸气密性能检测研究

提出了一种基于小波分析和神经网络技术检测发动机气缸气密性能的新方法。对电涡流位移传感器拾取的飞轮位移信号直接进行时域采样 ,通过处理和小波分析 ,获得反映发动机启动瞬时转速尺度参数 ,BP神经网络以此作为输入向量 ,从而有效地检测发动机气缸气密性能。     

发动机缸内压缩压力非接触式检测方法研究

发动机汽缸压缩压力是检测发动机机密封性的重要参数.发动机密封性降低,会造成发动机经济性、动力性下降及废气排放指标恶化,因此对各缸压缩压力的检测具有重要意义.现提出一种利用曲轴瞬时转速,进行不解体检测坦克发动机汽缸压缩压力的方法.通过实车测量获得缸压及转速的特征参数,利用灰色理论模型的方法建立了发动机转速脉动与汽缸压缩压力的数学关系.试验结果表明,利用这种方法进行缸内压缩压力测量是可行的.     

基于小波包频带能量检测的神经网络故障诊断技术

利用小波包频带能量检测技术对观测信号进行处理,从中获取反映故障特征的信息,以此作为输入对网络进行训练,可对故障进行比较可靠的分类。同时介绍了利用小波包频带能量检测技术提取观测信号特征向量的方法和步骤,以及基于松散小波神经网络的故障诊断方法。最后结合某型导弹舵系统故障诊断的实例,给出仿真试验,证明了该方法的有效性。     

基于小波分析的柴油机燃油系统故障诊断研究

提出了一种基于小波变换的柴油机燃油系统故障诊断方法。利用夹持在高压油管上的传感器对高压油管外壁弹性变形进行检测,在12150L柴油机喷油泵实验台上进行了大量的实验,对测得的高压油管压力波形进行小波变换,提取反映燃油系统故障状态的特征向量,通过特征参数的变化能有效地诊断燃油系统的各种典型故障。     

基于贝叶斯理论的自学习模糊综合评判研究

在目前多专家故障诊断系统采用的模糊综合评判方法基础上,根据某特定故障的理论诊断结果及实际检测、维修结果,利用贝叶斯理论,对特定故障下各专家的初始权重集进行实时更新,实现了模糊综合评判的自学习,提高了诊断的准确性.最后给出了方法在"康明斯柴油机故障诊断专家系统"中的应用实例,验证了方法的有效性.     

柴油机“拉缸”故障监测及自行修复

本文在试验研究的基础上介绍了柴油机的人工“拉缸”故障,以及故障监测的主要方法。特别是利用柴油机滑油油样的光谱和铁谱联合诊断对“拉缸”故障进行的监测工作。可以看出:柴油机发生“拉缸”故障时,光谱分析铁含量及铁谱分析磨损严重度指数I_s值,都有明显的增长趋势。若通过故障监测多种手段的综合分析,可以对故障信息作出先期预报,从而防止严重事故的发生。文章的后一部分介绍了柴油机初期“拉缸”后,可以不拆卸柴油机通过合理的再磨合工况,利用可控的粘着磨损,获得新的匹配光浩度,达到自行修复的目的。     

转子碰摩情况下瞬时转速变化规律的仿真研究

考虑到碰摩会造成转子瞬时转速波动的实际情况,对已广泛应用的弹性模型进行了改进,建立了考虑转子瞬时转速波动的转子碰摩仿真模型。利用该模型仿真计算了不同转速下轴心轨迹和瞬时转速波形、频谱,发现在碰摩严重程度不同的情况下,转子瞬时转速有着明显的规律性变化。     

改进的BP算法在柴油机故障诊断中的应用研究

利用改进BP算法的神经网络对柴油机进行故障诊断.首先讨论了其训练算法,然后确定了柴油机故障诊断所用特征参数及故障种类,并提出特征参数数据归一化公式,最后以6-135ZC柴油机为例,将实验数据输入网络验证.结果表明,神经网络对柴油机故障识别率很高,应用于柴油机故障诊断领域是切实可行的.