基于振动分析的内燃机故障诊断研究

发布时间：2017-05-17 11:03

  本文关键词：基于振动分析的内燃机故障诊断研究，由笔耕文化传播整理发布。

【摘要】：由于内燃机结构复杂、激励源众多等特点,目前尚无一套成熟实用的诊断方法能对内燃机进行准确的故障诊断,建立内燃机的故障诊断系统是人们努力的方向。 本文主要以振动诊断法为主,在对内燃机进行结构和振动特性分析的基础上,针对内燃机表面振动信号的时域、频域特性和非平稳时变特点,通过对实测故障信号和正常信号的对比分析,给出了几种对内燃机诊断行之有效的特征提取方法和故障特征量,如时域分析方法和时域特征量、频域分析方法和频域特征量、时频分析方法和时频特征量以及小波包特征量。在此过程中,重点对短时傅立叶变换、Wigner-Ville分布和小波变换这三种时频分析方法进行了分析比较,将他们分别用于内燃机失火故障实例的诊断,取得了比较好的效果,证明时频分析方法在内燃机表面振动信号特征提取中具有比传统的傅立叶频谱分析更好的特征提取能力。对应用于多层前馈神经网络的BP算法进行了分析研究,并介绍了各种改进算法,采用附加动量项和自适应调整学习速率法相结合的策略,克服了标准BP算法收敛速度慢和易陷入局部极小点的缺点,在此基础上建立了基于BP神经网络的内燃机故障诊断模型,用实例验证了该模型的有效性。在综合运用上述各种方法、理论的基础上,用Visual C++和MATCOM混合编程方法开发了一套内燃机故障诊断系统,并用于生产实际。 本文的研究结果表明,综合采用时域、频域、时频域和小波包特征量,建立基于BP神经网络的内燃机故障诊断系统是可行的,但是要彻底解决内燃机的故障诊断问题,还有许多工作要做,尤其是各种故障的振动机理和非平稳信号特征提取的分析研究,最后本文提出了一些有待进一步改进和完善的工作及建议。
【关键词】：内燃机 故障诊断 特征提取 时频分析 神经网络
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2004
【分类号】：TK407
【目录】：

• 摘 要3-4
• Abstract4-7
• 1 绪论7-15
• 1.1 课题概述7-9
• 1.2 内燃机故障诊断国内外研究现状及发展趋势9-13
• 1.3 本文所做的工作13-15
• 2 内燃机结构及振动特性分析15-24
• 2.1 内燃机结构及动力学特性15-19
• 2.2 内燃机振动的激振源及其传播路径19-20
• 2.3 内燃机表面振动信号特性分析20-23
• 2.4 本章小结23-24
• 3 内燃机振动信号分析及特征提取24-45
• 3.1 振动信号的获取24-27
• 3.2 振动信号的时域分析27-31
• 3.3 振动信号的频域分析31-34
• 3.4 振动信号的时－频域分析34-40
• 3.5 振动信号的小波包分析40-43
• 3.6 本章小结43-45
• 4 人工神经网络方法45-56
• 4.1 多阶层神经网络与BP算法45
• 4.2 BP网络学习算法45-46
• 4.3 BP算法数学原理46-48
• 4.4 BP算法的改进算法及其实现48-52
• 4.5 基于BP神经网络的内燃机故障诊断52-55
• 4.6 本章小结55-56
• 5 内燃机故障诊断系统简介56-62
• 5.1 内燃机技术参数56
• 5.2 硬件系统56-57
• 5.3 软件系统57-60
• 5.4 故障模拟实验60-61
• 5.5 本章小结61-62
• 6 总结与展望62-64
• 6.1 总结62-63
• 6.2 展望63-64
• 致 谢64-65
• 参考文献65-68
• 附录1 攻读硕士学位期间发表的学术论文68-69
• 附录2 项目验收意见69-70

【引证文献】

中国期刊全文数据库 前2条

1 王裕鹏;赵龙庆;张华伟;;基于小波改进阈值消噪的缸盖振动信号分析[J];柴油机;2007年05期

2 赵龙庆;王裕鹏;;基于小波包分析和神经网络柴油机故障诊断研究[J];小型内燃机与摩托车;2009年03期

中国博士学位论文全文数据库 前1条

1 余永华;船舶柴油机瞬时转速和热力参数监测诊断技术研究[D];武汉理工大学;2007年

中国硕士学位论文全文数据库 前10条

1 潘丽娜;微型汽车发动机台架试验实时监测及预警系统研究[D];武汉理工大学;2010年

2 王秋勤;基于概率神经网络的发动机故障诊断研究[D];西南林业大学;2010年

3 高超;基于ZigBee协议的生产温度监控系统设计[D];上海交通大学;2012年

4 王晋;基于粒子滤波信号处理的柴油机故障诊断[D];中北大学;2012年

5 陈迎春;汽车发动机噪声测试及心理声学评价系统研究[D];辽宁工学院;2007年

6 屈峰;汽车发动机故障诊断方法研究[D];大庆石油学院;2007年

7 王裕鹏;基于小波分析和神经网络的动力机械故障诊断研究[D];西南林学院;2007年

8 李敏哲;基于神经网络的液压动力系统多源诊断信息融合方法研究[D];西安建筑科技大学;2008年

9 匡剑;内燃机故障诊断数据采集与处理系统开发[D];西南交通大学;2008年

10 陈浩;柴油机燃用生物柴油的性能与排放特性研究[D];华中农业大学;2008年

  本文关键词：基于振动分析的内燃机故障诊断研究，，由笔耕文化传播整理发布。

本文编号：373210