基于小波和可编程逻辑阵列的爆震控制

为提高汽油机爆震检测和控制精度,将离散小波变换算法和基于FPGA(Field-Program-mable Gate Array)的数字信号处理技术应用于爆震控制中.利用离散小波变换从汽油机的振动信号中提取出了轻微爆震特征,提出一种根据小波子带信号相对能量大小来评价爆震强度的指标和一种基于爆震反馈的点火提前角的控制策略.建立了基于小波算法的爆震控制模型,并进行了仿真实验验证,且将该模型在FPGA硬件上实现.结果表明:基于小波和FPGA的爆震控制方法能准确诊断出爆震,且适合于实时控制,能使汽油机在轻微爆震区工作,有利于提高汽油机的性能.     

用时频分析检测柴油机的爆震

左于分析爆震对柴油机表面振动的影响，给出了用时频分析检测柴油机爆震的方法，代替传统的模式识别方法。实验证明，在时频分布图上可以清楚地分辨所对应的不同的频率响应。     

内燃机缸盖振动传递特性研究

对内燃机缸盖系统的振动激励及表面振动信号的特性进行分析,建立了缸盖系统的振动模型。利用数字信号处理技术和模态实验方法,对不同情况下缸盖系统的动态传递函数和静态传递函数进行了分析比较。根据缸盖系统的动态传递函数设计反相滤波器,进行了直接由缸盖表面振动信号识别气缸压力的研究。     

采用离子电流法与机体振动法检测爆震的比较

在试验中,采用离子电流法和机体振动法同时检测发动机的爆震,采用双通道示波器同时记录离子电流法和机体振动法检测到的信号,并通过波形对比和快速傅里叶变换对信号进行分析和比较。结果表明：2种方法均可以准确实现爆震测量;相对于机体振动法而言,离子电流法具有安装方便、信噪比高、信号处理简单、测量准确、成本低廉等优点,是一种具有应用潜力的新技术。     

离子电流法检测发动机失火和爆震的研究

通过外加偏置电压，在火花塞两极之间形成稳定的离子电流，用监测离子电流信号的变化来实现发动机运转参数的检测。采用调整火花塞间隙，增加积碳等方式产生失火，监测失火时离子电流波形在形状与幅值上与正常燃烧时波形的差别来检测失火。通过检测爆震时产生的叠加在离子电流信号上的高频信号，就可实现爆震检测，测得的爆震频率为10-11kHz。对爆震与非爆震两种信号进行了波形对比、快速傅里叶变换（FFT）分析和爆震强度评价。试验证明，用火花塞作为传感器检测失火和爆震直观可靠，简单易行，成本低廉，具有广阔的市场潜力。     

柴油机缸盖周期性振动信号的自相关周期识别

提出了类周期概念,利用拓展的周期信号自相关函数,实现了柴油机缸盖振动信号类周期的识别和主要振动波形的提取。实践证明,该方法的准确性高,有利于实现数据处理的智能化,为进一步分析柴油机缸盖振动信号奠定了扎实的基础。     

内燃机缸盖振动信号建模与仿真

针对现有内燃机振动信号采集方法存在的问题,提出一种通过建模仿真来模拟内燃机不同工况振动信号的方法。首先,建立内燃机配气机构动力学模型及气缸模型,分别用来模拟不同间隙气门的落座力及气缸压力;其次对内燃机缸盖进行模态分析,提取前30阶振型及其对应的频率;最后采用有限元法建立内燃机缸盖模型,借助气门落座力及气缸压力仿真结果对缸盖振动进行模拟仿真。利用缸盖振动的实测信号对其模拟信号进行验证,结果证明模拟方法有效可行。     

基于XC878的汽车发动机振动检测系统

文章针对汽车发动机转速信号难以测量的问题,提出一种基于单片机XC878的振动信号检测与处理系统,即通过加速度传感器将发动机缸盖振动信号转换为电信号,滤波和放大后经过A/D转换器送入单片机,用离散傅氏变换的快速算法(fast Fourier transform,FFT)对信号进行频域分析和处理后得到汽车转速,以避免测量转速时装卸困难和机器损坏,提高了设备的可靠性,降低了设备维修成本。     

柴油机缸盖周期性振动信号的自相关周期识别

提出了类周期概念,利用拓展的周期信号自相关函数,实现了柴油机缸盖振动信号类周期力主要振动波形的提取实验证明垢准确性高,有利于实现数据处理的智能化,为进一步分析柴油缸盖振动信号奠定了扎实的基础     

基于振动信号的柴油机气门间隙异常故障诊断

为探讨简易诊断柴油机气门间隙异常的有效方法,采用柴油机缸盖表面的振动信号进行试验研究。采集了柴油机在不同气门间隙下的振动信号,用时域法和频域法相结合的分析方法对故障特征信号进行分析,得出了气门间隙异常的频率特性和判断依据。结果表明,采用振动检测技术可以实现不拆卸配气机构就可简易诊断柴油机气门间隙异常故障。     

内燃机气缸压力的振动信号倒谱识别方法

分析了内燃机缸盖系统的传递特性,提出了利用缸盖表面振动信号识别气缸压力的倒谱分析方法。通过倒谱开窗并进行平滑处理,使测量的振动信号和计算的传递函数更具鲁棒性,可以消除传感器测点位置和内燃机运行工况等敏感因素的影响。实验及分析结果表明了这种方法的可行性和有效性。     

内燃机气缸压力的振动信号倒谱识别方法

分析了内燃机缸盖系统的传递特性，提出了利用缸盖表面振动信号识别气缸压力的倒谱分析方法．通过倒谱开窗并进行平滑处理，使测量的振动信号和计算的传递函数更具鲁棒性，可以消除传感器测点位置和内燃机运行工况等敏感因素的影响．实验及分析结果表明了这种方法的可行性和有效性．     

采用离子电流法的发动机非正常燃烧诊断

为了在线获得发动机工作过程中气缸内的燃烧信息,并对发动机非正常燃烧进行诊断,在一台点燃式汽油机的气缸垫内对称布置8个离子电流测量电极,来采集发动机正常燃烧与爆震、失火时气缸内的离子电流信号,经分析比较给出了爆震和失火的诊断依据。结果显示:爆震时,气缸垫内4号测量电极测得的离子电流信号的峰值大于1μA,7号测量电极测得的离子电流信号提前出现且在上止点附近;失火时,5号、6号测量电极测得的离子电流很微弱,小于0.2μA,离子电流信号推迟出现且在上止点后30°~40°之间。该结果可为离子电流法获取点燃式及压燃式发动机气缸内不同位置的信息提供理论依据,且方法简单易行、获得燃烧信息全面,可为实现基于离子电流法的发动机电控系统开发提供实验基础。     

柴油机故障诊断中振动信号测点位置的研究

在295柴油机上进行设定的进排气系统故障实验,获取各工况下三个不同测点位置的缸盖振动信号,然后利用改进的基于神经网络和小波分析的故障诊断方法进行分析.实验和仿真结果表明,不同测点获取的振动信号蕴含故障特征是不同的.从缸盖上方采集的振动信号更能表征各种故障特征,其故障准确识别率达到95.4%,较其他两个测点有大幅度提高.为基于振动信号的柴油机故障诊断提供了最佳的测点位置,以提高故障的诊断准确性.对其他复杂机械的振动诊断同样具有参考价值.     

离子电流法在发动机燃烧室内工作过程检测中的应用

描述了一种新的发动机信号检测方法———离子电流法 ,即直接利用火花塞电极作为传感器检测汽车发动机燃烧室内工作过程信号的方法 .当发动机工作时 ,由于工况不同、燃气密度不同 ,通过火花塞离子电流的大小及变化也将不同 ,因此利用火花塞电极作为信号感受器 ,可以检测诸如缸内压力、负荷、失火等发动机信号 ;为了获得不同目的的信号检测 ,作者首次在火花塞电极两端加不同的电压 ,获得了发动机在做功冲程以及进、排气冲程中的离子电流信号 ,为今后进一步检测其它信号 ,如爆震、排放等奠定了基础 .     

基于复Morlet变换和改进AlexNet神经网络的柴油机气门间隙异常故障诊断方法

针对柴油机缸盖振动信号非线性、非平稳的特点,以及传统故障诊断方法需要先验知识且特征提取费时费力的缺点,提出了一种基于复Morlet变换和改进AlexNet神经网络的柴油机气门间隙异常故障诊断方法。首先通过复Morlet小波将柴油机缸盖振动信号转换为时频图,该变换包含了信号的时频域信息,比单一的时域或频域信号更适合分析柴油机缸盖振动这种非平稳信号;其次将时频图输入至AlexNet神经网络进行特征自动提取并建立故障诊断模型,解决了传统手工提取特征费时费力且需要专家经验的问题;然后通过Batch Normalization和Dropout技术改进网络结构,并优化神经网络超参数以提高模型的准确度和计算效率;最后将本文方法与传统的故障诊断方法应用于柴油机气门间隙异常故障诊断并进行对比,发现其诊断准确率最高,验证了所提方法的优越性。     

缸盖表面各振动响应信号耦合关系的分析

实测的缸盖表面振动速度信号中包含较大幅值的低频成分,为了研究此低频信号的成因及其与燃烧激励响应信号的耦合关系,以195柴油机为对象,建立了缸盖-机体虚拟样机仿真模型,对产生低频扰动的激励源进行了分析.研究结果表明:实测振动速度信号中的低频成分主要由往复惯性力和摩擦力引起;高通滤波方法对振动速度信号中与燃烧过程特征点出现位置有关的信息没有明显影响,但会造成与幅值相关信息的较大损失;300℃A之前的振动速度信号主要由往复惯性力激励和摩擦力激励响应信号构成.     

基于小波包分析的内燃机振动诊断方法研究

针对内燃机缸盖振动信号的非平稳时变特点,通过给出小波包变换的一种改进算法,提出从振动信号的小波包分解系数中实现整循环征兆提取和故障识别的方法,实验结果表明了该方法的工程有效性。     

基于小波包分析的内燃机振动诊断方法研究

针对内燃机缸盖振动信号的非平稳时变特点,通过给出小波包变换的一种改进算法,提出从振动信号的小波包分解系数中实现整循环征兆提取和故障识别的方法．实验结果表明了该方法的工程有效性．     

基于小波分析柴油机故障诊断研究

模拟柴油机气阀间隙异常的几种情况,并实时监测柴油机缸盖振动信号。采用小波降噪对各振动信号进行初步处理,采用经典傅立叶方法对处理后的信号进行功率谱估计,初步诊断各故障特征参数。进而采用小波变换方法对各信号进行小波包分解,并提取故障特征频段信号进行功率谱估计,实现精确故障诊断。