基于柴油机循环平稳特性的气体压力重构方法研究
发布时间:2020-04-05 02:37
【摘要】: 气缸压力是表征柴油机运行状态的重要指标之一,因此小型高速柴油机在不能直接测量气缸压力的情况下,通过缸盖表面振动响应信号进行气缸压力的间接识别已成为柴油机故障诊断的主要研究方向。本文作者针对利用气缸盖表面振动信号识别柴油机气缸压力这一问题展开了研究,研究内容如下: (1)研究了4135四缸非增压四冲程柴油机表面振动响应信号的产生机理,阐述了引起柴油机振动的主要激励源及其时序性,说明了各激励源和表面振动信号之间的内在关系;引入了循环平稳理论,指出了缸盖振动信号具有循环平稳的特性,建立了振动信号的统计学模型,阐明了基于该模型下的信号采样方式必须是等曲柄转角采样的道理。 (2)研究了一种基于非线性假设的识别方法—RBF神经网络法。把经过同步平均处理的振动信号和气缸压力信号分别作为网络的输入和输出,训练神经网络,建立缸内压力和振动信号之间的非线性映射关系,并利用这种关系来识别气缸压力。结果表明,识别的压力曲线和实测压力曲线几乎重合,说明了神经网络方法具有识别精度高、误差小的优点,而且具有对工况适应性强的特点,同时也指出了对信号进行同步平均能有效提高信噪比。 (3)研究了一种基于线性假设的识别方法一传递函数法。通过对振动信号进行预处理、低通滤波和对消处理,去掉其它激励力的干扰和随机噪声,再建立振动信号和缸内压力之间的传递函数,并利用它来识别气缸压力,结果发现识别的压力和实测压力比较接近,误差很小;通过对比验证,对振动信号进行对消处理能有效突出爆发段振动响应信号,去除大量干扰和噪声,有利于提高传递函数模型的精度;通过计算传递函数模型的输入与输出的相干函数,可以直观的评判传递函数模型的好坏。
【图文】:
3.1.3仪器性能1)振动传感器振动传感器外形如图3一2所示,主要性能指标如表3一3所示。图3一ZB&K加速度传感器表3一3加速度传感器的主要性能指标序序号号参数 数参数值 值 11111频率范围(士 10%)))12.6kHzzz 22222灵敏度 度 100mV/ggg 33333安装共振频率 率 42kHzzz 44444测量范围 围士 60009992)压力传感器压力传感器外形如图3一3所示,该传感器具有精度高、动态响应好、性能稳定、体积小和重量轻等特点,各项指标与瑞士KIStler公司和奥地利AVL公司的产品接近。其主要性能指标如表3一4所示。图3一 3SYC一O3B型压力传感器
武汉理「人学硕十学位论文图3一5缸盖振动测点布置图蘸蘸蘸图3一6测压通道和角标器气缸压力测点如图3一6(a)所示,,在该柴油机的机身上设有测压通道,用来测量第四缸缸内压力。
【学位授予单位】:武汉理工大学
【学位级别】:硕士
【学位授予年份】:2009
【分类号】:TH138.51
本文编号:2614415
【图文】:
3.1.3仪器性能1)振动传感器振动传感器外形如图3一2所示,主要性能指标如表3一3所示。图3一ZB&K加速度传感器表3一3加速度传感器的主要性能指标序序号号参数 数参数值 值 11111频率范围(士 10%)))12.6kHzzz 22222灵敏度 度 100mV/ggg 33333安装共振频率 率 42kHzzz 44444测量范围 围士 60009992)压力传感器压力传感器外形如图3一3所示,该传感器具有精度高、动态响应好、性能稳定、体积小和重量轻等特点,各项指标与瑞士KIStler公司和奥地利AVL公司的产品接近。其主要性能指标如表3一4所示。图3一 3SYC一O3B型压力传感器
武汉理「人学硕十学位论文图3一5缸盖振动测点布置图蘸蘸蘸图3一6测压通道和角标器气缸压力测点如图3一6(a)所示,,在该柴油机的机身上设有测压通道,用来测量第四缸缸内压力。
【学位授予单位】:武汉理工大学
【学位级别】:硕士
【学位授予年份】:2009
【分类号】:TH138.51
【参考文献】
相关期刊论文 前10条
1 夏勇,商斌梁,张振仁,薛模根;一种测量气缸压力的新方法[J];测试技术学报;1999年04期
2 余永华;朱继军;李玉军;杨建国;;冲击响应信号反演柴油机气缸压力的研究[J];柴油机;2007年01期
3 刘世元,李锡文,杜润生,杨叔子;内燃机气缸压力的振动信号倒谱识别方法[J];华中理工大学学报;1998年06期
4 姚建军;向阳;王志华;丁河青;;基于传递函数法的柴油机气缸压力识别[J];武汉理工大学学报(交通科学与工程版);2006年01期
5 杨建国,冯春晃,周轶尘;发电用柴油机气门漏气故障的振动诊断研究[J];武汉交通科技大学学报;1997年01期
6 刘世元,杜润生,杨叔子;利用转速波动信号在线识别内燃机气缸压力的研究[J];内燃机工程;2000年03期
7 陈国金;基于小波分析及ITD法识别气缸内气体压力[J];内燃机工程;2002年03期
8 高洪滨,欧阳光耀,张萍;基于BP神经网络的柴油机气缸压力重构[J];内燃机工程;2005年01期
9 夏勇,张振仁,李智,梁建军;神经网络方法识别柴油机气缸压力时应注意的几个问题[J];内燃机;1999年06期
10 张来斌,刘守道,王朝晖;基于神经网络的柴油机燃烧系统故障诊断[J];内燃机学报;2000年04期
本文编号:2614415
本文链接:https://www.wllwen.com/jixiegongchenglunwen/2614415.html