缸套-活塞间隙与振动信号关联维数的关系评价

利用发动机气缸套振动信号特征评价气缸套-活塞组件磨损状态,建立了发动机气缸套、活塞、曲柄和连杆机构的动力学模型并进行了动力学仿真.然后又进行了气缸套表面振动分析,并对所得到的振动模拟信号进行了基于关联维数的信号特征评价.结果表明,随气缸套-活塞组件磨损间隙的增加,振动信号幅值增大,气缸套表面振动加速度信号的自相关程度变大,气缸套表面振动信号的关联维数有下降的趋势,这些关联性可以作为发动机气缸套-活塞组件磨损状态评价的特征量.     

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。     

车用柴油机振动信号的去噪声处理

针对柴油机振动信号的瞬时非线性特点,论述了车用柴油机振动信号处理理论与方法.采用柴油机振动信号的IMF分量进行特征频带识别,将柴油机振动信号经验模态分解,去掉主要干扰因素所对应的IMF分量,再将剩余IMF分量进行重构得到柴油机振动信号.重构后的信号反映了车用柴油机机身振动的真实信息.     

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。     

曲轴扭转振动导致的内燃机噪声

为了进一步探讨内燃机噪声与曲轴扭转振动的关系，在对活塞、曲柄、连杆机构的动力学和试验研究的基础上，探讨了曲轴扭转振动共振时，将导致部件的相互作用加剧，增大结构的噪声，还指出，当曲轴有扭转共振时，扭振减振器可有效地降低噪声，通过对发动机机体的动态设计，使机体有合理的振型和固有频率，以及优化活塞与缸套的配合是降低曲轴振动与机体辐射噪声的重要措施。     

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．     

基于缸盖振动信号包络线相关分析的柴油机故障预警方法研究

针对柴油机故障特征易受到环境、载荷等因素的干扰,从而导致许多传统意义上的故障特征参数不再敏感的问题,提出了一种基于缸盖振动信号包络线相关分析的柴油机故障预警方法,对一台6缸柴油机的缸盖振动信号对比了希尔伯特变换和n阶极值插值两种方法的包络线提取效果,并对其包络线进行相关分析,得到了相似系数、距离标准差以及余弦相似度等相关分析结果。研究结果表明：在传统特征参数不敏感的情况下,相关分析可以更好地反映机组的故障状态。本文研究结果可为实现柴油机故障的早期预警奠定基础。     

基于LabVIEW的小波分析在船舶柴油机故障诊断中的应用

测取船舶柴油机缸体振动信号。利用LabVIEW并结合小波分析对信号进行处理,提取故障特征。诊断结果与实际情况相符,说明了该方法的可行性及有效性。     

发动机缸孔变形实验及数据分析

发动机活塞与气缸的配缸间隙是极为重要的技术参数,如果间隙太大,会引起密封不良(漏气、窜油)、动力下降;太小则会使活塞裙部没有膨胀的余地,接触压力超过活塞和气缸之间的油膜所能承受的挤压强度(一般4.9~9.8 MPa),润滑油膜将被破坏,引起粘着磨损(拉缸)故障。从发动机研发阶段直至其生产制造过程中都需稳定控制气缸盖装配前后的缸孔变形量,这对发动机的整机性能的稳定发挥及提升工作具有极其重要的作用。     

基于时域统计平均预处理的RBF网络发动机气缸压力识别方法

在柴油发动机气缸压力的识别过程中，针对缸盖振动信号的信噪比低且呈非平稳特性，影响神经网络对气缸压力识别的问题，提出了在径向基函数(RBF)网络训练前，对训练样本进行时域统计平均降噪预处理，再对实验样本进行识别．结果表明，时域统计平均有效提高了训练样本的信噪比，RBF网络经训练后，对柴油发动机气缸压力的识别具有计算速度快、识别精度高的优点．