振动谱图像识别的气门故障诊断研究

发布时间：2021-06-14 13:06

　　为了识别空压机气门潜在和早期的微弱故障,提出了一种基于KNN和Wigner-Hough振动谱时频图像识别的气门故障诊断方法.利用Wigner-Hough算法对某船用空压机缸盖表面振动信号进行了时频分析,将振动谱时频图像作为二维输入信号进一步分析和挖掘,提取一阶时间矩、一阶频率矩作为气门故障诊断参数,采用模式识别KNN算法实现其故障的识别.整合上述研究成果,基于Labview、Matlab混合编程开发了气门故障诊断平台.试验结果表明:此方法能较好地识别空压机气门磨损故障. 

【文章来源】：武汉理工大学学报(交通科学与工程版). 2020,44(04)

【文章页数】：5 页

【部分图文】：

漏气故障模拟试验

基于以上试验,采集到气门正常与故障状态下振动信号的时域波形见图2.鉴于篇幅关系,本文仅给示了部分分析结果.由图2可知,与故障情况相比,正常情况下的振动峰值较大.分析认为:正常情况下,气门的密封性较好,气门压力大于故障情况,从而导致振幅较大.取0.4 MPa背压下的实测信号中任意一个周期的功率谱分析结果,频域分辨率0.5 Hz,频带0～8 000 Hz,考察气门故障是否具有频谱特征,见图3.

取0.4 MPa背压下的实测信号中任意一个周期的功率谱分析结果,频域分辨率0.5 Hz,频带0～8 000 Hz,考察气门故障是否具有频谱特征,见图3.从频谱分析结果来看:正常气门情况下,振动信号的总能量较高且幅值较大,频谱无特征频率.同时,振动信号频带较宽,说明振动信号中冲击成分较高.两种气门频谱的主要区别在振动能量上,分布规律无明显差别.体现为功率谱幅值的差异,和时域分析的结果相同.

【参考文献】：
期刊论文
[1]低分辨雷达目标分类的最小代价拒判算法[J]. 陈志仁,顾红,苏卫民,龚大辰.  自动化学报. 2018(06)
[2]船用空压机气阀监测诊断系统研究[J]. 胡甫才,丁怀志,周赛洪,林彦彬,郭蕴华.  船舶力学. 2016(10)
[3]基于W-H变换的盲分离算法[J]. 李兴慧,杨辉,申永军.  兰州理工大学学报. 2015(03)
[4]基于EMD-WVD振动谱时频图像SVM识别的内燃机故障诊断[J]. 蔡艳平,李艾华,石林锁,许平,张玮.  内燃机工程. 2012(02)
[5]基于小波包分析的气门间隙异常故障诊断[J]. 司景萍,任庆霜,梁红波,张宝伟.  振动与冲击. 2011(12)
[6]基于小波包变换和奇异值分解的柴油机振动信号特征提取研究[J]. 李国宾,关德林,李廷举.  振动与冲击. 2011(08)
[7]基于瞬时转速的柴油机气阀漏气故障诊断[J]. 孙云岭,滕国生,郭文勇.  内燃机. 2011(03)

博士论文
[1]基于模式识别的柴油机故障诊断技术研究[D]. 王志华.武汉理工大学 2004

硕士论文
[1]基于HHT和SVM的柴油机配气机构故障诊断技术研究[D]. 张松娟.哈尔滨工程大学 2015



本文编号：3229892