船用柴油机实践教学的探索与实践

船用柴油机是集机、电、液于一体的复杂系统，结构和工作原理复杂，检验和维修以及故障识别和诊断难度高。为了使学生能直观弄懂船用柴油机的工作原理，熟悉船用柴油机的结构，掌握其故障检测诊断与维修技术，提高学员的学习效率，使学员毕业后能胜任岗位的需要，建立了船用柴油机动力实验中心，采用了模块化的实践教学方式、运用虚拟教学手段构建了船用柴油机实践教学体系，在机电管理人才的培养方面取得了良好的效果。     

东方红LR系列柴油机排烟与故障分析

根据柴油机的排烟状态可判断柴油机是否异常。本文简要叙述了柴油机排烟的生成机理,着重分析了柴油机排烟呈蓝、白、黑时的原因。通过排烟颜色不仅可以准确判断其故障,也大大提高了维修效率。     

海上平台柴油机气缸套磨损原因及应对措施

为了分析和解决海上平台柴油机气缸套磨损的问题,针对海上平台特殊工作环境中容易造成柴油机气缸套加速磨损的特点,结合日常柴油机运行中经常发生磨损的原因,从柴油机的工作原理和气缸套磨损的机理出发,总结和分析导致柴油机气缸套加速磨损的故障原因,并针对各种原因提出一系列切实可行的应对措施,旨在减缓或者避免磨损的进一步加剧,为柴油机的精细化管理、日常维护保养和各类检维修提供全方位的参考依据。     

基于振动分析的柴油机故障程度的研究

利用神经网络诊断模型来识别故障发展的不同程度,并以柴油机连杆铜套磨损故障为例进行分析.首先在295柴油机上进行了设定及待定工况实验,获取各工况下的缸盖振动信号;然后利用基于神经网络和小波分析的故障诊断方法进行故障程度识别;最后利用训练后的模型对待定工况进行故障程度的判定.实验和仿真结果表明:对于各设定工况,诊断模型可以定量地识别出来,准确率达到100 %;对于待定工况,诊断模型也可以给出定量的故障程度描述.从而使操作者能及时了解故障的发展情况,并根据网络模型的定量输出结果对故障部件进行相应的维修或更换处理.     

RBF网络在柴油机故障诊断中的应用

柴油机作为动力发电、工程机械的重要组成部分,其性能好坏直接影响到整个系统的运行。在生产过程中需要加强对柴油机开展故障诊断和监控,及时发展并解决故障,从而提高了柴油机在运行过程中的安全系数,降低安全事故发生率,减少不必要的经济损失。传统的柴油预计故障诊断与解决方式主要是润滑油方法、振动噪声方法,这些都以定期保养和后期维修为主要方法,这些诊断方式不能较早预知故障情况、成本较高、工作效率较低。随着计算机技术、信号分析处理技术、人工智能的迅速发展,柴油机故障诊断能力逐渐提升,以非线性并行分布处理为主的神经网络成为了当前广泛运用于柴油机故障诊断的主要方法。     

浅析汽车柴油机常见故障

汽车柴油机在日常运转中,难免会出现故障,了解柴油机工作原理,掌握出现故障的原因,对提高汽车柴油机工作效率非常重要。该文重点阐述了柴油机的常见故障和诊断方法,围绕柴油机不能起动、柴油机动力不足、柴油机工作状况不良等方向进行分析,从而达到故障诊断与排除的目的。     

尼桑H25内燃叉车常见故障维修

该文就尼桑H25内燃叉车经常出现的一系故障原因进行分析，将常见问题进行归类，并介绍了相应的维修方法，稳重内容可以帮助一些初学汽车维修人员快速了解尼桑H25内燃叉车故障原因，减少维修人员在维修过程中走的弯路。     

局域波法在船舶柴油机燃油系统故障诊断中应用

局域波时频分析能够从振动信号中提取清晰直观的故障特征。根据该方法的优点，以船舶主机－柴油机的燃油系统漏油故障为例，对柴油机缸盖表面的振动信号应用局域波时频谱进行分析，为柴油机的故障诊断提出一种新的分析方法。     

基于Hilbert谱熵的柴油机故障诊断方法研究

从信号的特征提取出发,采用局域波时频谱分析和信息熵结合的方法--Hilbert谱熵(HSE),进行柴油机振动信号的特征提取和状态识别.首先,对信号进行局域波分解;然后,根据得到的内蕴模式分量计算Hilbert谱;最后,建立基于时频分布的Hilbert谱熵,并以此作为故障识别的特征参数.以柴油机缸套与活塞间磨损的状态识别为例,根据对时域、频域和时频域的信息熵比较分析,证明了Hilbert谱熵对柴油机的状态进行评价的有效性.此方法为柴油机预知维修提供了一个有效的手段.     

煤矿机电设备常见故障分析及维修

煤矿机电设备使用环境恶劣，出现故障的机会较多，本文根据作者的工作实际，分析了机电设备维修中常见的故障，对如何进行维修提出了一些建议。     

基于故障树分析法的汽车燃油泵电路故障判断

以轿车燃油泵不运转电路故障为例,尝试在故障树分析理论基础上,采用故障树分析法(FTA法)附加判断条件规则设计故障树,并绘制判断流程图,提高了判断效率和维修效率.     

故障树分析法及其在轴承可靠性分析中的应用研究

采用故障树分析法对轴承失效机理进行研究，通过分析其故障模式与效应，研制出轴承失效故障树；编写出计算机辅助故障树分析程序；求出导致轴承失效的所有可能的故障模式，从而建立系统的故障谱，为轴承设计和维修提供了有益的参考。     

基于故障树的无人机发动机点火系统维修性建模

结合无人机发动机点火系统的特点,以故障树为基础,建立了无人机发动机点火系统基于故障树的维修性模型,对其进行定量分析得到点火系统的修复性维修时间.该方法利用可靠性分析的故障树理论,提供了维修过程的基本思想和数据,解决了定量分析维修性数据不足的困难,提高了系统维修效率.     

基于ARIMA模型的民用航空发动机低压转子振动故障分析

民用航空发动机运行数据是航空公司制定发动机维护方案的重要参考依据。针对某航空公司CFM56-7B发动机的振动值变化趋势提出了一种基于回归分析和ARIMA(Autoregressive Integrated Moving Average Model)模型的故障分析方法。采用回归分析法对各航段发动机振动值和转速之间的关系进行回归拟合,针对指数拟合方程的指数项系数建立ARIMA分析模型,得到方程拟合系数预测值与真实值之间的对应关系并分析结果,从而预判发动机是否有振动故障征兆。结果表明,ARIMA模型能够较好地描述发动机振动-转速拟合系数变化趋势,能够有效地预测发动机振动故障,可为航空公司制定发动机维护方案提供重要依据。     

基于故障树与BAM神经网络的智能故障诊断方法

在研究故障树分析(FTA)和双向联想记忆(BAM)神经网络在故障诊断中应用的基础上,提出了一种融合FTA和BAM的故障诊断方法。故障树存贮了系统关于顶事件发生的全部知识,利用FTA得到系统所有的故障模式,进而归纳出BAM的学习样本,即故障树中故障现象(监测点状态组合)和底事件发生与否之间的对应。BAM通过联想记忆矩阵并行联想,得到诊断结果,扩展综合故障诊断能力。用上述方法进行仿真分析,结果表明该方法用于解决此类问题是有效的。     

可靠性理论在水轮发电机组故障诊断中的应用

本文介绍了可靠性的基本概念,阐述了故障树分析方法的基本内容,并将故障树分析法运用于水电机组的可靠性分析中,最终通过定量分析对其进行验证。     

基于油液分析的龙门吊状态监测与故障诊断

为了对港口龙门吊的关键设备柴油机进行状态监测与故障诊断,从运行8 323～8 521 h的龙门吊柴油机上提取油样,利用油液分析技术对油样进行检测.通过铁谱分析和理化分析,得出监测设备的运行状态,为此设备的维护和维修提供依据.     

Interval Fault Tree Analysis of Excavator VariableFrequency Speed Control System

In consideration of the uncertainty of basic events failure rate and lack of probability statistical information in fault tree analysis（ FTA） of excavator variable-frequency speed control system, the interval theory was employed and combined with conventional FTA method. The basic events failure probabilities were described by interval numbers,and the interval operators of logical gates in FTA were deduced based on interval theory. Finally,the reliability assessment of excavator variable-frequency speed control system was done by interval FTA method. The result shows that the interval FTA method is suitable for the complex system with insufficient failure data.     

某控制系统传感器组件故障树算法优化设计

在控制技术中,传统的故障树分析方法已不能适应时代的要求。以某控制系统传感器组件的故障树为例,对传统的故障树算法进行了优化设计,定性地将故障树信息写入两个矩阵中。通过对矩阵进行遍历,最终得到了代表故障树分析结果的最小割集和最小径集,并定量地计算出结构重要度、概率重要度和关键重要度。分析结果表明该算法能够准确定位故障,对故障诊断系统具有一定的参考价值。     

基于FTA与BAM神经网络融合的飞机故障诊断方法

飞机由大量彼此关联的组件组合而成,其大规模特性使得基于故障树(FTA)和基于神经网络的故障诊断方法在应用于其故障诊断时分别存在空间爆炸问题和训练样本整理困难问题.本文融合故障树和BAM神经网络,由故障树归纳出系统所有的故障模式,整理出BAM神经网络所需的具有规范性、独立性、正交性的训练样本,然后用BAM神经网络实现飞机故障的快速和准确诊断.实验评估结果表明,融合方法有良好的可扩展性,而且故障判别率提升了20%.