变工况下柴油机故障在线监测与维修决策优化方法研究与应用
发布时间：2021-04-19 19:50
柴油机是众多重要装备的动力核心,在发电机组、国防装备、船舶动力和工程机械等领域发挥着重要作用。然而,恶劣的使用环境和复杂的系统结构使得柴油机故障频发,不但影响柴油机使用,还可能造成严重经济损失,甚至威胁工作人员的人身安全。目前广泛应用的故障在线监测方法效果有限,维修策略相对落后,已经越来越无法满足现代化装备生产的实际需求。同时,根据柴油机变工况使用要求需不断切换运行于多种稳定转速和负荷的状态,会对在线监测诊断故障造成较大困难。因此,依托信号处理、机器学习和深度学习等技术开展变工况下柴油机故障早期预警、诊断与维修决策优化方法的研究与应用,为设备维修提供基于状态的优化决策,对提高柴油机的安全性、可用性以及经济效益具有极其重要的意义和价值。本文以柴油机为研究对象,以实现变工况下的故障在线监测与维修决策优化为目标,从信号特征的提取与选择研究出发,对工况识别方法进行研究,进而开展变工况下的故障在线监测和维修决策优化方法研究,并利用实验数据和工程案例进行方法验证。论文的主要研究内容如下:首先,基于柴油机振动信号特点开展特征提取与选择方法研究。对非线性、非平稳振动信号进行多域特征研究,并通过构建特征...
【文章来源】：北京化工大学北京市 211工程院校 教育部直属院校
【文章页数】：140 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 课题研究背景及意义
1.2 变工况下柴油机故障在线监测与维修决策优化研究现状
1.2.1 柴油机振动信号提取与选择方法研究概况
1.2.2 柴油机工况识别方法研究概况
1.2.3 柴油机异常检测方法研究概况
1.2.4 柴油机故障诊断方法研究概况
1.2.5 柴油机维修决策方法研究概况
1.3 本文主要研究内容
第二章 柴油机振动信号特征提取与选择方法研究
2.1 柴油机实验台架
2.1.1 TBD234柴油机
2.1.2 测点布局
2.1.3 柴油机状态监测系统
2.2 振动信号多域特征
2.2.1 振动信号时域特征
2.2.2 振动信号角域特征
2.2.3 振动信号频域特征
2.2.4 振动信号时频域特征
2.3 特征相关性分析
2.4 基于多目标优化的特征选择方法
2.4.1 特征组合评价
2.4.2 特征选择目标函数
2.4.3 特征选择
2.5 本章小结
第三章 柴油机工况识别方法研究
3.1 柴油机的运行工况
3.2 基于多域特征和线性判别分析的工况识别方法
3.2.1 基于变分模态分解的工况特征提取
3.2.2 基于线性判别分析的工况识别方法
3.2.3 工况识别方法实验验证
3.3 基于一维卷积长短时记忆网络的工况识别方法
3.3.1 基于一维卷积神经网络的振动信号局部特征提取研究
3.3.2 自适应dropout方法研究
3.3.3 一维卷积长短时记忆网络模型
3.3.4 工况识别方法实验验证
3.4 本章小结
第四章 无故障数据下的柴油机异常预警方法研究
4.1 基于图像转化的数据增强
4.2 柴油机正常状态对应潜在空间建模
4.2.1 生成对抗网络原理
4.2.2 基于生成对抗网络的柴油机正常状态对应潜在空间建模
4.3 无故障数据下的异常检测方法
4.3.1 基于自编码网络的映射模型训练
4.3.2 基于生成对抗网络和自编码网络的异常检测方法
4.4 柴油机异常检测实例验证
4.4.1 实验数据
4.4.2 异常检测
4.5 本章小结
第五章 变工况下的柴油机故障诊断方法研究
5.1 变工况下柴油机失火故障诊断
5.1.1 整机工况识别
5.1.2 自适应失火故障诊断方法
5.2 变工况下柴油机气门间隙异常故障诊断
5.2.1 气门间隙异常故障模拟
5.2.2 气门间隙异常故障特征提取
5.2.3 变工况下基于软间隔支持向量机的气门间隙故障诊断方法
5.2.4 变工况下气门间隙异常故障诊断实例验证
5.3 考虑不平衡数据集的故障诊断方法
5.3.1 不平衡数据集对故障诊断模型的影响
5.3.2 基于改进SMOTE的故障诊断方法研究
5.3.3 基于不平衡振动数据集的故障诊断方法实例验证
5.4 本章小结
第六章 基于振动状态监测的维修决策优化方法研究
6.1 基于威布尔比例风险模型的柴油机状态评估
6.1.1 振动信号退化特征提取
6.1.2 威布尔比例风险模型
6.1.3 参数估计
6.2 维修决策优化方法
6.2.1 基于阈值的状态维修决策
6.2.2 维修决策阈值优化
6.2.3 柴油机健康管理
6.3 本章小结
第七章 实验与工程应用研究
7.1 变工况下柴油机典型故障模拟实验研究
7.1.1 变工况失火故障模拟
7.1.2 变工况气门间隙异常故障模拟
7.2 工程应用案例
7.2.1 失火故障诊断案例
7.2.2 气门间隙异常故障诊断及维修决策案例
7.3 本章小结
第八章 总结与展望
8.1 论文主要研究成果
8.2 展望
参考文献
致谢
研究成果及发表的学术论文
作者和导师简介
附件
【参考文献】：
期刊论文
[1]一种基于流形学习和KNN算法的柴油机工况识别方法[J]. 江志农,赵南洋,夏敏,赵飞松,高佳丽,张进杰. 噪声与振动控制. 2019(03)
[2]基于短时傅里叶变换和卷积神经网络的轴承故障诊断方法[J]. 李恒,张氢,秦仙蓉,孙远韬. 振动与冲击. 2018(19)
[3]基于声发射的柴油机连杆大端轴瓦碰撞摩擦故障诊断[J]. 党轩,谷丰收,王铁,李国兴,王欢欢,张虎. 振动与冲击. 2018(19)
[4]VMD样本熵特征提取方法及其在行星变速箱故障诊断中的应用[J]. 杨大为,冯辅周,赵永东,江鹏程,丁闯. 振动与冲击. 2018(16)
[5]基于CART决策树的柴油机故障诊断方法研究[J]. 江志农,魏东海,王磊,赵志超,茆志伟,张进杰. 北京化工大学学报(自然科学版). 2018(04)
[6]油液信息特征提取方法研究及在柴油机状态评估中的应用[J]. 刘鑫,贾云献,崔心瀚,王强. 中国测试. 2018(06)
[7]基于小波时频图和CNN的滚动轴承智能故障诊断方法[J]. 袁建虎,韩涛,唐建,安立周. 机械设计与研究. 2017(02)
[8]利用轴承状态信息的维修决策[J]. 昝涛,周霜,王民,高相胜,郭聪聪. 北京工业大学学报. 2016(11)
[9]基于时-频相干与RBF网络的气缸压力识别研究[J]. 常春,贾继德,曾锐利,梅检民,王国威. 车用发动机. 2016(05)
[10]基于比例危险模型的船用柴油机视情维修决策[J]. 周志才,刘东风,石新发. 海军工程大学学报. 2014(06)
博士论文
[1]活塞式发动机典型故障诊断及非稳定工况监测评估方法研究[D]. 茆志伟.北京化工大学 2018
[2]基于振动分析的柴油机燃油系统与配气机构故障诊断研究[D]. 刘昱.天津大学 2016
[3]柴油机振动信号特征提取与故障诊断方法研究[D]. 李敏通.西北农林科技大学 2012
硕士论文
[1]基于Fisher Score及遗传算法的特征选择方法研究[D]. 周密.暨南大学 2016
[2]基于KNN算法的柴油机故障诊断方法研究[D]. 朱向利.哈尔滨工程大学 2016
[3]基于扭转振动频域分析的发动机故障研究[D]. 李宙辉.吉林大学 2010
[4]大亚湾、岭澳核电站应急柴油机振动问题治理[D]. 张兰岐.上海交通大学 2009
[5]远程设备故障诊断专家系统[D]. 李印武.北京化工大学 2003
[6]船舶柴油机维修决策研究[D]. 胡彦平.大连海事大学 2001
本文编号：3148195
【文章来源】：北京化工大学北京市 211工程院校 教育部直属院校
【文章页数】：140 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 课题研究背景及意义
1.2 变工况下柴油机故障在线监测与维修决策优化研究现状
1.2.1 柴油机振动信号提取与选择方法研究概况
1.2.2 柴油机工况识别方法研究概况
1.2.3 柴油机异常检测方法研究概况
1.2.4 柴油机故障诊断方法研究概况
1.2.5 柴油机维修决策方法研究概况
1.3 本文主要研究内容
第二章 柴油机振动信号特征提取与选择方法研究
2.1 柴油机实验台架
2.1.1 TBD234柴油机
2.1.2 测点布局
2.1.3 柴油机状态监测系统
2.2 振动信号多域特征
2.2.1 振动信号时域特征
2.2.2 振动信号角域特征
2.2.3 振动信号频域特征
2.2.4 振动信号时频域特征
2.3 特征相关性分析
2.4 基于多目标优化的特征选择方法
2.4.1 特征组合评价
2.4.2 特征选择目标函数
2.4.3 特征选择
2.5 本章小结
第三章 柴油机工况识别方法研究
3.1 柴油机的运行工况
3.2 基于多域特征和线性判别分析的工况识别方法
3.2.1 基于变分模态分解的工况特征提取
3.2.2 基于线性判别分析的工况识别方法
3.2.3 工况识别方法实验验证
3.3 基于一维卷积长短时记忆网络的工况识别方法
3.3.1 基于一维卷积神经网络的振动信号局部特征提取研究
3.3.2 自适应dropout方法研究
3.3.3 一维卷积长短时记忆网络模型
3.3.4 工况识别方法实验验证
3.4 本章小结
第四章 无故障数据下的柴油机异常预警方法研究
4.1 基于图像转化的数据增强
4.2 柴油机正常状态对应潜在空间建模
4.2.1 生成对抗网络原理
4.2.2 基于生成对抗网络的柴油机正常状态对应潜在空间建模
4.3 无故障数据下的异常检测方法
4.3.1 基于自编码网络的映射模型训练
4.3.2 基于生成对抗网络和自编码网络的异常检测方法
4.4 柴油机异常检测实例验证
4.4.1 实验数据
4.4.2 异常检测
4.5 本章小结
第五章 变工况下的柴油机故障诊断方法研究
5.1 变工况下柴油机失火故障诊断
5.1.1 整机工况识别
5.1.2 自适应失火故障诊断方法
5.2 变工况下柴油机气门间隙异常故障诊断
5.2.1 气门间隙异常故障模拟
5.2.2 气门间隙异常故障特征提取
5.2.3 变工况下基于软间隔支持向量机的气门间隙故障诊断方法
5.2.4 变工况下气门间隙异常故障诊断实例验证
5.3 考虑不平衡数据集的故障诊断方法
5.3.1 不平衡数据集对故障诊断模型的影响
5.3.2 基于改进SMOTE的故障诊断方法研究
5.3.3 基于不平衡振动数据集的故障诊断方法实例验证
5.4 本章小结
第六章 基于振动状态监测的维修决策优化方法研究
6.1 基于威布尔比例风险模型的柴油机状态评估
6.1.1 振动信号退化特征提取
6.1.2 威布尔比例风险模型
6.1.3 参数估计
6.2 维修决策优化方法
6.2.1 基于阈值的状态维修决策
6.2.2 维修决策阈值优化
6.2.3 柴油机健康管理
6.3 本章小结
第七章 实验与工程应用研究
7.1 变工况下柴油机典型故障模拟实验研究
7.1.1 变工况失火故障模拟
7.1.2 变工况气门间隙异常故障模拟
7.2 工程应用案例
7.2.1 失火故障诊断案例
7.2.2 气门间隙异常故障诊断及维修决策案例
7.3 本章小结
第八章 总结与展望
8.1 论文主要研究成果
8.2 展望
参考文献
致谢
研究成果及发表的学术论文
作者和导师简介
附件
【参考文献】：
期刊论文
[1]一种基于流形学习和KNN算法的柴油机工况识别方法[J]. 江志农,赵南洋,夏敏,赵飞松,高佳丽,张进杰. 噪声与振动控制. 2019(03)
[2]基于短时傅里叶变换和卷积神经网络的轴承故障诊断方法[J]. 李恒,张氢,秦仙蓉,孙远韬. 振动与冲击. 2018(19)
[3]基于声发射的柴油机连杆大端轴瓦碰撞摩擦故障诊断[J]. 党轩,谷丰收,王铁,李国兴,王欢欢,张虎. 振动与冲击. 2018(19)
[4]VMD样本熵特征提取方法及其在行星变速箱故障诊断中的应用[J]. 杨大为,冯辅周,赵永东,江鹏程,丁闯. 振动与冲击. 2018(16)
[5]基于CART决策树的柴油机故障诊断方法研究[J]. 江志农,魏东海,王磊,赵志超,茆志伟,张进杰. 北京化工大学学报(自然科学版). 2018(04)
[6]油液信息特征提取方法研究及在柴油机状态评估中的应用[J]. 刘鑫,贾云献,崔心瀚,王强. 中国测试. 2018(06)
[7]基于小波时频图和CNN的滚动轴承智能故障诊断方法[J]. 袁建虎,韩涛,唐建,安立周. 机械设计与研究. 2017(02)
[8]利用轴承状态信息的维修决策[J]. 昝涛,周霜,王民,高相胜,郭聪聪. 北京工业大学学报. 2016(11)
[9]基于时-频相干与RBF网络的气缸压力识别研究[J]. 常春,贾继德,曾锐利,梅检民,王国威. 车用发动机. 2016(05)
[10]基于比例危险模型的船用柴油机视情维修决策[J]. 周志才,刘东风,石新发. 海军工程大学学报. 2014(06)
博士论文
[1]活塞式发动机典型故障诊断及非稳定工况监测评估方法研究[D]. 茆志伟.北京化工大学 2018
[2]基于振动分析的柴油机燃油系统与配气机构故障诊断研究[D]. 刘昱.天津大学 2016
[3]柴油机振动信号特征提取与故障诊断方法研究[D]. 李敏通.西北农林科技大学 2012
硕士论文
[1]基于Fisher Score及遗传算法的特征选择方法研究[D]. 周密.暨南大学 2016
[2]基于KNN算法的柴油机故障诊断方法研究[D]. 朱向利.哈尔滨工程大学 2016
[3]基于扭转振动频域分析的发动机故障研究[D]. 李宙辉.吉林大学 2010
[4]大亚湾、岭澳核电站应急柴油机振动问题治理[D]. 张兰岐.上海交通大学 2009
[5]远程设备故障诊断专家系统[D]. 李印武.北京化工大学 2003
[6]船舶柴油机维修决策研究[D]. 胡彦平.大连海事大学 2001
本文编号：3148195
本文链接：https://www.wllwen.com/guanlilunwen/lindaojc/3148195.html
