基于模糊神经网络的柴油机故障预警系统研究
发布时间：2021-09-04 22:10
柴油发动机作为机械动力的核心,对其进行状态监测并提供故障预测具有重大意义。但机体组成复杂,工作机理涉及众多领域,使得对柴油发动机进行故障诊断时难以获得有效且准确的故障特征。针对柴油发动机故障特征难以提取,故障部位与故障特征之间没有明确关系以及故障难以定位等问题,本文以某柴油发动机为研究对象,进行了柴油发动机典型故障预警系统研究设计工作,内容如下:（1）针对柴油发动机工作时转速非恒定而导致无法准确采集机体振动信号的问题,设计了定转速信号采集系统,通过限制条件触发采样过程并利用调理电路对采样信号进行处理,成功获得稳定的振动信号。（2）提出将基于经验模态分解（EMD）与时间序列模型（AR）相结合的方法,通过EMD-AR方法对原始振动信号进行特征提取。（3）融合模糊算法与神经网络,建立集成模糊神经网络（FNN）系统并改进Takagi-Sugeno模型,用于柴油发动机故障诊断,有效解决诊断过程中存在的模糊性及定位难等问题。（4）设计了柴油发动机典型故障预警系统,将前述研究方法作为子模块成功嵌入预警系统中,实现故障诊断功能,验证方法的有效性。
【文章来源】：江苏科技大学江苏省
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
数据采集系统基本结构
图 2.3 采样过程Fig.2.3 Sampling process可以看到，采样后信号的宽度变窄，而此过程同时也需要一定的时间来完成，如果在此期间输入信号稳定，则可确保转换的准确性。保持电路执行该功能，其与采样电路一起形成采样/保持电路。设有连续信号 驈 媰，若其频带宽度是有限的，要想使采样后信号 驈 媰能够不失真地还原出原信号 ，则采样频率必须大于或等于该信号最高频率的两倍，这就是采样定理。其中信号进行傅里叶变换后对应的最高频率称为截止频率，又称为奈奎斯特频率。简单来说，采样定理指出，对连续信号进行采样的采样频率应该至少是该信号截止频率的 2 倍，才能保证不发生频率混叠现象。2.A/D 转换器工作原理[29]脉冲信号在转化为数字信号的过程中，需要对其进行量化和编码。量化的过程是一个代替的过程，即用采样信号幅值的最小量化单位倍数来代替该信号的幅值，定义为量化器满量程电压（FSR）与 的比值，用 q 表示：=
这样就可以依据振动特征甄别故障的发生。鉴于此，首先需要设计非态信号的数据采集系统。由于非稳态振动信号的特殊性，系统在设计时要特别解决下述难题：（1）选择合适的振动信号，确保该信号能够准确的表征一定的故障状态，也就要求传感器的频响特性可以覆盖振动信号的整个频率范围、传感器的安装位置要合适采集系统的采样频率选取要合适，采样样本要足够长；采集的初始条件，即启动采的触发转速要合适等。（2）保证数据采集系统初始条件不变的情况下，多次重复采集的数据具有一定重复性和稳定性2.3.1 振动监测模块振动监测模块是柴油机典型故障预警装置振动监测的核心元件。根据实际信号道类型，振动监测模块需要接入加速度振动信号、瞬时转速信号与键相信号，共计 个通道可供使用，满足实际柴油机典型故障预警装置需要。
【参考文献】：
期刊论文
[1]基于EMD和小波包能量法的信号去噪[J]. 赵超,杨庆东. 北京信息科技大学学报(自然科学版). 2019(01)
[2]基于振动信号的发动机综合故障诊断[J]. 丁雷,曾锐利,梅检民. 军事交通学院学报. 2019(01)
[3]基于EMD和近似熵的大型观缆车滚动轴承声发射信号故障诊断[J]. 金榕舜,沈功田,王强,张君娇. 中国计量大学学报. 2018(04)
[4]Sugeno型模糊复集值积分在分类器融合中的应用探析[J]. 马生全,彭德军,赵志青,沈君. 模糊系统与数学. 2018(06)
[5]基于异响信号的故障诊断技术现状与展望[J]. 殷希梅,王昱翔. 电声技术. 2018(12)
[6]基于神经网络的柴油发动机的故障诊断[J]. 宋娟,蒙晔. 工业控制计算机. 2018(11)
[7]基于EMD-SVD和SVM的柴油机气门故障诊断[J]. 曾荣,曾锐利,丁雷. 军事交通学院学报. 2018(10)
[8]基于Takagi-Sugeno模糊模型的分数阶混沌系统的预测投影同步[J]. 陈旭,郑永爱. 信息与控制. 2018(05)
[9]多信息融合技术在船舶柴油机故障诊断中的应用[J]. 尚前明,王瑞涵,陈辉,唐新飞. 中国航海. 2018(03)
[10]柴油机时频图像双向二维特征编码与故障识别[J]. 岳应娟,王旭,蔡艳平. 内燃机学报. 2018(04)
博士论文
[1]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
硕士论文
[1]基于变分模态分解和随机共振的轴承故障自适应诊断研究[D]. 张嘉玲.西安理工大学 2018
[2]基于粗糙集与模糊神经网络的滚动轴承故障诊断研究[D]. 张一朦.大连交通大学 2018
[3]基于以太网接口的信号采集系统设计[D]. 王程.南京大学 2018
[4]基于小波-RBF神经网络的故障诊断方法研究[D]. 王代超.青岛理工大学 2018
[5]基于信息融合的柴油机故障诊断技术研究[D]. 李环宇.大连海事大学 2017
[6]船用柴油机典型故障分析与诊断技术研究[D]. 高伟冲.哈尔滨工程大学 2016
[7]基于SVD变换和模糊推理的汽轮机故障诊断专家系统研究[D]. 廖弘毅.华南理工大学 2015
[8]某型航空发动机故障模式分析及诊断系统的设计与实现[D]. 尹德好.沈阳航空航天大学 2014
本文编号：3384097
【文章来源】：江苏科技大学江苏省
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
数据采集系统基本结构
图 2.3 采样过程Fig.2.3 Sampling process可以看到，采样后信号的宽度变窄，而此过程同时也需要一定的时间来完成，如果在此期间输入信号稳定，则可确保转换的准确性。保持电路执行该功能，其与采样电路一起形成采样/保持电路。设有连续信号 驈 媰，若其频带宽度是有限的，要想使采样后信号 驈 媰能够不失真地还原出原信号 ，则采样频率必须大于或等于该信号最高频率的两倍，这就是采样定理。其中信号进行傅里叶变换后对应的最高频率称为截止频率，又称为奈奎斯特频率。简单来说，采样定理指出，对连续信号进行采样的采样频率应该至少是该信号截止频率的 2 倍，才能保证不发生频率混叠现象。2.A/D 转换器工作原理[29]脉冲信号在转化为数字信号的过程中，需要对其进行量化和编码。量化的过程是一个代替的过程，即用采样信号幅值的最小量化单位倍数来代替该信号的幅值，定义为量化器满量程电压（FSR）与 的比值，用 q 表示：=
这样就可以依据振动特征甄别故障的发生。鉴于此，首先需要设计非态信号的数据采集系统。由于非稳态振动信号的特殊性，系统在设计时要特别解决下述难题：（1）选择合适的振动信号，确保该信号能够准确的表征一定的故障状态，也就要求传感器的频响特性可以覆盖振动信号的整个频率范围、传感器的安装位置要合适采集系统的采样频率选取要合适，采样样本要足够长；采集的初始条件，即启动采的触发转速要合适等。（2）保证数据采集系统初始条件不变的情况下，多次重复采集的数据具有一定重复性和稳定性2.3.1 振动监测模块振动监测模块是柴油机典型故障预警装置振动监测的核心元件。根据实际信号道类型，振动监测模块需要接入加速度振动信号、瞬时转速信号与键相信号，共计 个通道可供使用，满足实际柴油机典型故障预警装置需要。
【参考文献】：
期刊论文
[1]基于EMD和小波包能量法的信号去噪[J]. 赵超,杨庆东. 北京信息科技大学学报(自然科学版). 2019(01)
[2]基于振动信号的发动机综合故障诊断[J]. 丁雷,曾锐利,梅检民. 军事交通学院学报. 2019(01)
[3]基于EMD和近似熵的大型观缆车滚动轴承声发射信号故障诊断[J]. 金榕舜,沈功田,王强,张君娇. 中国计量大学学报. 2018(04)
[4]Sugeno型模糊复集值积分在分类器融合中的应用探析[J]. 马生全,彭德军,赵志青,沈君. 模糊系统与数学. 2018(06)
[5]基于异响信号的故障诊断技术现状与展望[J]. 殷希梅,王昱翔. 电声技术. 2018(12)
[6]基于神经网络的柴油发动机的故障诊断[J]. 宋娟,蒙晔. 工业控制计算机. 2018(11)
[7]基于EMD-SVD和SVM的柴油机气门故障诊断[J]. 曾荣,曾锐利,丁雷. 军事交通学院学报. 2018(10)
[8]基于Takagi-Sugeno模糊模型的分数阶混沌系统的预测投影同步[J]. 陈旭,郑永爱. 信息与控制. 2018(05)
[9]多信息融合技术在船舶柴油机故障诊断中的应用[J]. 尚前明,王瑞涵,陈辉,唐新飞. 中国航海. 2018(03)
[10]柴油机时频图像双向二维特征编码与故障识别[J]. 岳应娟,王旭,蔡艳平. 内燃机学报. 2018(04)
博士论文
[1]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
硕士论文
[1]基于变分模态分解和随机共振的轴承故障自适应诊断研究[D]. 张嘉玲.西安理工大学 2018
[2]基于粗糙集与模糊神经网络的滚动轴承故障诊断研究[D]. 张一朦.大连交通大学 2018
[3]基于以太网接口的信号采集系统设计[D]. 王程.南京大学 2018
[4]基于小波-RBF神经网络的故障诊断方法研究[D]. 王代超.青岛理工大学 2018
[5]基于信息融合的柴油机故障诊断技术研究[D]. 李环宇.大连海事大学 2017
[6]船用柴油机典型故障分析与诊断技术研究[D]. 高伟冲.哈尔滨工程大学 2016
[7]基于SVD变换和模糊推理的汽轮机故障诊断专家系统研究[D]. 廖弘毅.华南理工大学 2015
[8]某型航空发动机故障模式分析及诊断系统的设计与实现[D]. 尹德好.沈阳航空航天大学 2014
本文编号：3384097
本文链接：https://www.wllwen.com/kejilunwen/dongligc/3384097.html
