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。     

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。     

内燃机缸盖振动信号的特性与诊断应用研究

研究了内燃机缸盖振动信号的时域、频域和循环波动特性,揭示了它的非平稳时变特点,提出抽区间采样分析与参数平均相结合的振动诊断方法,并给出在气门间隙异常和气门漏气故障诊断中的应用实例     

内燃机缸盖振动信号的特性与诊断应用研究

研究了内燃机缸盖振动信号的时域,频域和循环波动特性,揭示了它的非平稳时变科技司,提出抽区间采样分析与参数平均相结合的振动诊断方法,并给出了在气门间隙异常和气门漏气故障诊断中的应用实例。     

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RP与NMF的内燃机气阀故障诊断方法

针对传统的内燃机故障振动诊断方法,难以有效提取故障特征,诊断精度较低的缺点,提出一种基于递归图(recurrence plots,RP)与非负矩阵分解(non-negative matrix factorization,NMF)的内燃机故障诊断新方法。该方法是利用图像的方法来进行故障诊断:首先通过递归图将采集到的内燃机缸盖表面振动信号生成图像,然后用非负矩阵对得到递归图进行特征参数提取,最后用分类器进行分类识别完成故障诊断。将该方法应用于气阀机构8种工况下振动信号诊断实例中,结果表明:该方法克服了传统的振动诊断方法从时域或频域进行分析时参数选取和故障特征提取的难题,直接将信号生成图像,对图像进行自适应特征参数提取、分类识别,能有效诊断出内燃机气阀机构故障,故障识别精度高,为内燃机振动诊断探索了一条新途径。     

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。     

基于振动时频图像和D-S证据理论的内燃机故障诊断

为抑制循环波动性对内燃机故障诊断结果的影响,引入D-S证据理论,提出一种基于内燃机振动时频图像、局部非负矩阵分解、BP神经网络和D-S证据理论的内燃机故障诊断新方法。首先采用平滑伪魏格纳分布(SPWVD)方法对8种不同气门状态的缸盖振动信号进行分析得到振动时频图像,然后用局部非负矩阵分解(LNMF)方法提取时频图像的特征参数并组成训练集和测试集,用得到的训练集对BP神经网络进行训练,再把测试集输入到训练好的BP神经网络,将输出的结果转化为基本概率赋值,用Deng加权平均证据合成规则对同种状态下不同图像的证据进行合成,并利用合成后的结果进行诊断分类。实例分析结果表明,基于振动时频图像和D-S证据理论的内燃机故障诊断方法可以有效抑制内燃机循环波动性对诊断结果的影响,能够准确诊断不同类型的气门故障。     

车用电控汽油机实时爆震检测方案的研究

研究一种可以满足准确性,实时性要求的车用电控汽油机爆震检测方案,方法 测量缸盖的振动信号,确定爆震检测频率,运用概率和数理统计的方法。对缸盖振动信号进行分析,找出规律性,在非爆震,严重爆震,爆震时,爆震检测区间内信号峰值都服从对数正态分布。     

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     

内燃机表面振动信号的性质

研究内燃机表面振动信号,阐明内燃机振动信号是十分复杂的非平稳随机信号;揭示了内燃机振动信号中分形及多重分形行为;提出通过奇怪吸引子的嵌入维估计能完整描述振运输 最少独立变量数目,并指出内燃机振动是一个高维非线性动力学问题,这是利用内燃机表面振动信号实现内燃机故障诊断的重要理论基础。     

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.     

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。     

基于小波包分解的整循环征兆提取与故障识别

为了检测内燃机气阀漏气的气密性故障,利用小波包分解改进算法,通过对柴油机完整工作循环内的缸盖振动信号进行小波包分解,从小波包分解系数中提取柴油机振动诊断的整循环征兆.由整循环特征向量图表明,正常状态时柴油机气缸盖振动信号中低频部分能量相对较大,高频部分能量相对较小;漏气状况时振动信号中的低频部分能量减小,而高频部分能量增加,由此实现了故障的识别.这说明基于小波包分解的整循环征兆提取与故障识别方法有效、可行.     

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.     

利用模式识别技术提高燃烧激励响应信号信噪比

针对实测缸盖表面振动信号中的耦合低频干扰信号,提出了在内燃机曲轴转角域建立往复惯性力激励响应信号模型的方法,利用模式识别技术辨识模型参数,剔除往复惯性力激励的影响,以提高燃烧激励响应信号的信噪比,并利用195型单缸柴油机的测试结果对所提出的方法进行验证.结果表明:选用压缩过程初期的数据进行模型参数辨识、采用4阶模型描述往复惯性力激励响应信号可以获得较为理想的效果;而瞬时转速波动对模型参数辨识的影响不显著;采用模式识别技术剔除往复惯性力激励响应信号后,实测的振动速度信号与压力升高率信号在峰值压力前后角度域内的相关性明显提高,从而验证了所提出方法的有效性.     

内燃机优化VMD-CWD时频表征与BSNMF编码识别诊断方法

针对内燃机振动响应信号强耦合、弱故障特征的问题,提出一种基于参数优化VMD-CWD内燃机振动时频表征与BSNMF分块编码识别的故障诊断方法.利用变分模态分解(VMD)将内燃机振动信号分解成一组本征模态函数(IMF),并叠加IMF分量信号的Choi-Williams分布(CWD)获得时频聚集性良好,无交叉项干扰的振动谱图像.针对VMD分解过程中的参数选取问题,引入功率谱熵作为目标函数,对VMD的分解参数进行网格寻优,提高了VMD分解的自适应性.为了实现内燃机振动谱图像的自动识别诊断,在稀疏非负矩阵分解(SNMF)的基础上提出一种更容易收敛的分块稀疏非负矩阵分解算法(BSNMF),用来对内燃机振动谱图进行特征提取,并采用支持向量机对提取的特征参数直接进行模式识别.将本文方法应用于内燃机故障诊断实例中,结果表明:该方法能有效提取内燃机振动信号中的微弱故障特征,实现内燃机气门机构故障的自动诊断.     

超声振动对内燃机缸套摩擦润滑状态影响的研究

降低缸套-活塞组件的摩擦力是提高内燃机可靠性和耐久性的重要技术问题。在关于摩擦副减摩的研究与实践中,超声振动减摩因其良好的减摩性能得到了研究人员的广泛关注。为了研究超声振动对内燃机缸套组件摩擦润滑状态的影响,本文对比分析了在缸套外壁有、无超声激振条件下的内燃机摩擦损耗。通过对内燃机缸体进行结构改制,在内燃机倒拖试验台上引入超声激振设备,搭建了新型单缸内燃机的超声振动减摩试验台架。通过试验研究了内燃机缸套活塞组件在不同激励工况下的超声振动减摩情况。研究表明：施加高频振动后,缸套-活塞组件间出现了接近于粗糙度等级的动态变形,内燃机摩擦损耗较未激振前呈现出小幅降低。