一、基于RBF神经网络的内燃机活塞-缸套磨损故障诊断(论文文献综述)
李程坤[1](2021)在《柴油机连杆大头轴承润滑特性及其影响因素研究》文中进行了进一步梳理柴油机作为一种重要的动力机械,已被广泛应用于不同的工程领域。随着现代柴油机强化程度的不断提高,对其滑动摩擦副的润滑也提出了更高的要求,连杆大头轴承作为柴油机的主要滑动摩擦副之一,承受着复杂的交变热机载荷,工作条件较为恶劣。针对柴油机连杆大头轴承润滑不良和摩擦磨损的问题,通过理论分析与数值模拟相结合的方法,研究其型线设计与轴承参数优化,对提升连杆大头轴承的润滑特性与柴油机的工作可靠性,具有重要的工程价值和研究意义。以某型柴油机连杆大头轴承为研究对象,通过有限元分析软件对三维模型进行模型建立和缩减,在AVL EXCITE中搭建连杆组多体动力学模型,综合考虑柔性体弹性变形、表面粗糙度效应和油槽结构等影响因素,基于Reynolds方程和多体动力学理论,对连杆大头轴承的润滑特性及其影响因素进行研究。研究结果表明:(1)当连杆轴瓦具有哑铃形、树杈形、一字形和A形四种不同的油槽设置方案时,各方案对连杆大头轴承的最小油膜厚度与峰值油膜压力影响较小,对润滑油流量影响较大。同时,各轴瓦油槽方案对于缸内爆压时刻的油膜厚度与油膜压力影响甚微,但对于一个周期内的平均油膜厚度和平均粗糙接触压力,有一定的改善效果。综合来看,不同轴瓦油槽方案对于连杆大头轴承润滑性能影响较小。(2)当连杆大头轴瓦具有指数形、超椭圆形、桶形和梯形四种型线时,随着型线径向变化量的增加,连杆大头轴承的最小油膜厚度先增大后减小,粗糙接触压力先减小后增大,机油流量增大;当连杆大头轴瓦型线为指数形,超椭圆形和梯形时,对于其综合润滑性能有一定程度的改善,且型线径向变化量为5μm的方案,改善效果要优于径向变化量为10μm的方案。与原始方案相比较,当连杆大头轴颈具有圆柱度形状公差时,平均油膜厚度减小,平均粗糙接触压力增大,机油流量减小,对于连杆大头轴承的综合润滑性能会有削弱效果,因此,对于润滑性能要求越高的轴承,越需要严格控制其制造加工误差,以保证轴承的润滑效果。(3)在综合润滑性能优化效果最好的超椭圆型线轴瓦的基础上,通过优化软件ISIGHT与AVL EXCITE进行联合仿真,选定轴承间隙、轴承宽度、轴颈油孔直径和供油压力作为输入变量,对连杆大头轴承的最小油膜厚度和平均粗糙接触压力进行多目标优化。其中,最小油膜厚度由1.56μm上升到1.97μm,上升幅度为0.41μm,峰值油膜压力由231.09MPa下降到170.29MPa,下降幅度为60.8MPa,平均粗糙接触有效压力由3.97MPa下降到0.25MPa,下降幅度为3.72MPa。最终,经过优化后的连杆大头轴承的综合润滑效果提升,对于平均粗糙接触压力优化效果更为明显。
应铭[2](2020)在《基于DSP的柴油机监测系统研发》文中指出柴油机由于其较高的热效率、较低的燃油消耗率、较好的适应性、宽广的功率范围,已广泛应用于工业、农业、交通运输业和国防建设事业。因其特有的优点,在今后相当长的时期内仍将处于不可替代的地位,对其进行状态监测和故障诊断是十分必要的。本文系统阐述了柴油机监测系统国内外研究现状,在结合实际项目的基础上提出了柴油机监测系统总体设计方案。为实现柴油机监测系统功能,选用DSP56F807作为柴油机监测系统主控芯片,完成了主控制器原理图和PCB图设计,分析了蓄电池电压、蓄电池电流、蓄电池内阻、喷油压力、缸盖振动与瞬时转速的信号特点并选择了合适的检测方法,设计了相应的信号调理电路。在所设计的硬件基础上,给出了监测系统软件设计,实现了DSP模拟信号和转速信号的采集,并设计了串口通讯协议解决了大量数据的传输问题。最后使用Lab VIEW完成了人机交互界面设计,实现了柴油机状态监测功能。针对柴油机缸盖振动信号含有大量非平稳噪声影响故障诊断的问题,本文在系统分析小波降噪实时性影响因素的基础上,论述了原位提升小波相较于其他小波算法不具有实时性优势,给出了实时小波降噪系统构建要点。选择了多工况下缸盖振动小波降噪较优参数,并设计了快速小波降噪C程序。同时,针对变转速工况下单一振动信号故障诊断准确率较低的问题,设计了振动与转速相融合的RBF神经网络故障诊断系统,并使用粒子群算法对其进行优化,取得了较好的效果。在整合系统硬件和软件的基础上,通过搭建系统实验平台,实验验证了柴油机监测系统的有效性和故障诊断的准确性,对后续柴油机监测系统的设计具有参考和借鉴意义。
林传喜[3](2020)在《基于粗糙集和模糊神经网络的柴油机健康管理系统研究》文中研究表明现代社会中,柴油机作为应用最广泛的动力机械之一,在航空航天、大型水利水电系统、船舶诸多领域中发挥着重要的作用,尤其是在船舶动力系统中,柴油发动机是最重要的动力输出源,它的健康状态直接决定了船舶系统及其工作人员的人身安全。随着现代科技的快速发展,船舶柴油机不断朝着大型化、智能集成化和复杂多样化的方向发展,柴油机的性能得到了很大的改善和提高。同时,柴油机机体的故障率会随之增高,其故障发生的机理所演变的分类和特点也变得更加复杂,因此,人们越来越重视船舶柴油机系统的安全运行和维修保障等方面的问题。针对此类问题,本文以提高船舶运营效能为目的,以某柴油发动机为研究对象,从故障特征信息提取、故障诊断效率和精确度、维修建议等方面,进行了柴油发动机典型故障诊断和健康管理系统研究设计工作,内容如下:(1)简述了振动信号数据采集系统,本文通过计算多组测试数据的六项时域指标相对标准偏差,对采集系统进行了稳定性与重复性分析,验证了振动监测系统采集非稳态信号的可行性。(2)提出基于集合经验模态分解(EEMD)与奇异值分解(SVD)相结合的方法,通过EEMD-SVD方法对柴油发动机的初始振动信号进行了特征提取。(3)将粗糙集算法与模糊神经网络相结合,建立粗糙集与模糊神经网络结构系统应用于柴油机故障诊断中,实现了两者优势互补,有效提高了故障诊断的效率和精确度。(4)基于前述研究方法,把它们作为子模块嵌入到健康管理分析系统中,设计了柴油发动机故障诊断和健康管理系统,实现故障诊断和健康管理功能,验证了方法的有效性。
戴琳[4](2020)在《基于热力学原理的智能低速机故障模拟研究》文中认为随着智能船舶1.0研发专项的开展,船舶动力系统中故障诊断系统的开发尤为重要。故障诊断系统可以实现设备由传统的定期维护事后维护向基于状态的智能使用与智能维护的转变,从而保障船舶设备全寿命周期高效运行,同时降低运行维护成本。故障诊断系统需要故障原因与故障现象的一一对应关系来提供支持,基于仿真技术开展故障模拟研究,可以节省成本,成为目前故障诊断系统开发的重要环节。本文基于MATLAB/Simulink仿真平台建立可以用于故障模拟的低速机稳态仿真模型,其中包括气缸工作过程、进气系统、排气系统、涡轮增压器和中冷器这五个模块,并将100%、75%、50%、25%这四个工况下仿真结果与试验数据进行了对比分析。设置了低速机活塞顶部积碳、喷油提前和滞后、空气滤清器堵塞、涡轮格栅堵塞、中冷器冷却度下降六种常见的故障,分析其输出参数随故障源的变化规律,为故障诊断提供支持。基于故障模拟所提供的故障样本集,本文用84组数据训练出可用故障诊断的RBF神经网络模型,向训练完成的神经网络中输入指定的低速机出现故障的主要性能参数,根据输出结果判断故障模拟所提供的故障样本集是否完整。最终,根据输入的指定性能参数确定了故障所在的位置,判断了故障模拟提供的故障样本集是完整的。最后,本文建立了故障模拟的低速机动态仿真模型,在低速机稳态仿真模型的基础上,增加了螺旋桨、转动平衡和调速器模型。将低速机动态过程仿真结果与实验值进行对比分析。在确保动态模型准确的基础上,模拟了活塞顶部积碳故障和喷油提前与延迟故障的动态变化规律,分析输出参数随故障源的动态变化规律,为低速机动态过程的故障诊断提供支持与帮助。
王宇,张永祥[5](2019)在《柴油机拉缸故障监测诊断方法综述》文中研究指明拉缸故障是柴油机在运行过程中产生的最普遍的故障之一,拉缸一旦产生将严重影响柴油机正常工作。针对拉缸问题研究柴油机拉缸故障的机理以及产生原因,分析列举近年来国内外研究学者对于柴油机拉缸故障监测诊断的各种方法,并指出了方法的局限性,基于振声分析并找到合适的信号处理方法是以后柴油机拉缸故障诊断的研究方向。
任中睿[6](2019)在《柴油机关键运动部件典型故障仿真与实验研究》文中指出柴油机是社会生产生活的重要动力源,其结构复杂、工作环境恶劣、机械故障频发,在这些故障中关键运动部件故障较为常见,其中活塞敲缸故障、轴系不对中故障、失火故障诊断中瞬时转速测量存在偏差问题、气门间隙异常故障较为典型。针对这些故障,本文开展了模拟仿真与实验研究。针对敲缸故障,本文分析了活塞的受力,对活塞敲缸振动规律进行了动力学仿真分析,指出一周期四次敲缸振动加速度随柴油机转速、活塞间隙的增大而增大,敲缸振动相位随柴油机转速升高、活塞间隙的增大而延后,并在柴油机故障实验台上对部分结果进行了验证。研究结果为更好的理解柴油机敲缸振动以及实现敲缸故障的在线预警做了铺垫。针对齿式联轴器不对中故障,本文分析了不对中的齿式联轴器产生的轴向摩擦力特点,建立了包括齿式联轴器在内的轴系动力学仿真模型,通过动力学仿真分析指出不对中的齿式联轴器会产生轴向摩擦力而导致曲轴轴向运动异常,并通过实际工程中的故障案例对仿真结果进行了验证。探究结果旨在为柴油机轴系故障的原因排查和诊治提供相关的机理性依据。针对失火故障诊断中瞬时转速测量存在偏差问题,本文从理论上对偏差来源进行了分析,并通过动力学仿真探究了各因素对偏差的影响规律,在此基础上提出了优化后的瞬时转速测量、计算方法。柴油机失火故障模拟实验显示,通过优化后的瞬时转速测量、计算方法得到的瞬时转速清晰地显示了失火故障特征,此部分的研究旨在优化基于瞬时转速的失火故障诊断方法。除此之外,本文对柴油机故障试验台上模拟的气缸失火故障、气门间隙异常故障的缸盖振动信号进行了分析,实验结果以期为这两种故障的故障特征提取提供相关实验经验。
毕晓阳[7](2019)在《基于单通道振动信号解析的柴油机典型故障智能诊断方法研究》文中进行了进一步梳理柴油机由于复杂的结构和恶劣的工作条件导致故障时有发生。为保证柴油机及以其为动力源的机械系统安全可靠地工作,减少因突发故障带来的损失,柴油机健康状态评估与不解体故障诊断成为现阶段的前沿研究课题之一。柴油机振动信号中包含了丰富的工作状态信息,但由于柴油机结构复杂、运行工况多变,且在故障发生早期其特征信号往往是相对弱功率的信号,无法直接利用柴油机振动信号评估柴油机健康状态和诊断故障。因此,如何对柴油机振动信号进行深度分析,并提取能够表征其运行状态的关键特征参数,就成为柴油机故障诊断方法研究中的关键问题。论文从柴油机常见故障问题出发,将出现概率较高的气门间隙故障与燃油系统故障作为识别对象,开展了由单通道振动响应信号提取并识别故障源信号及其状态特征的故障诊断方法的研究工作,主要成果如下:(1)论文提出了一种优化的变分模式分解(VMD)与独立分量分析(ICA)相协同的信号处理方法,可由单一通道振动信号快速准确地提取出多个独立的源信号。首先,利用VMD算法对单一通道信号进行分解,得出了一系列的本征模态函数(IMF)。该方法较传统经验模态分解(EMD)等递归分解方法在准确性方面具有较大的优势。然后,利用ICA算法对VMD算法所得结果进行处理,解决了VMD算法无法区分柴油机中可能存在的同频率非同源信号的问题。分析过程中,对VMD算法的分解层数K与二次罚项α进行了优化,提出了一种获得最佳参数组合的有效方法,针对论文所选柴油机最终确定了最佳参数组合为K=6、α=8400。最后对比分析了ICA的多种算法,包括快速独立分量分析(Fast ICA)、鲁棒性独立分量分析(Robust ICA)和基于核方法的独立分量分析(KICA)对VMD分解结果进行二次处理时的准确性与计算效率,结果表明Robust ICA在准确性与计算效率方面具有相对较好的综合性能。论文采用优化的VMD与Robust ICA协同分析的方法对实测振动信号进行了处理,并取得了很好的效果,为下一步的故障特征提取打下良好基础。(2)在故障特征提取研究方面,提出了一种双谱对角线投影分析方法,解决了现阶段双谱分析对角线切片方法易丢失大量的双谱分析结果信息以致不能全面体现振动信号特征的问题,实现了对振动源信号双谱分析结果中的特征信息更为精确的提取。论文首先提出了对角线投影和对角线累积两种分析方法,对比分析了两种方法所得的振动源信号特征,并与原始的对角线切片方法所得振动源信号特征进行了对比,结果表明对角线投影方法能够获得更为全面的特征信息。然后对前述优化VMD与Robust ICA协同方法处理后所得的独立源信号进行了双谱分析,以双谱对角线投影结果为基础,计算了均值、方差、偏斜度、峭度、峰峰值、方根幅值、均方根值、香农熵、最大奇异值、四阶累积量等十种不同的特征参数并进行对比。提出了一种可视化的特征参数选择方法,实现了由单一参数同时描述特征的聚类程度与类间区分度,并依照这一方法对十种参数进行优先级的排序,为故障模式智能识别提供了特征参数的选择依据。(3)论文在对振动信号的处理方法和故障特征提取方法进行深入研究的基础上,设计了基于深度信念网络(DBN)的多重样本分类器,将优先级最高的四个特征参数作为分类器的输入,对柴油机的工作状态进行了识别。首先利用特征参数代替原始信号作为DBN分类器的输入,简化深度信念网络的结构,提高了诊断效率。然后构建DBN网络,对柴油机气门间隙、喷油量两种常见典型故障共六种状态(包含早期故障在内的五种故障状态和正常状态)进行识别,验证了DBN具有较好的故障模式识别能力和效率,实现了对多种类型故障及其故障程度快速准确的诊断。最后,经与遗传算法-BP神经网络(GA-BP)所得诊断结果进行对比表明,无论是单一故障诊断的准确率还是多种故障诊断的准确率均有显着提升,其中对多故障识别的准确率由87%上升到了95.3%,从而验证了论文所设计的分类器的优越性。综上所述,论文利用单通振动信号,以VMD、ICA、双谱分析和DBN等方法为基础,通过大量优化与对比分析建立了一套准确高效的柴油机典型故障诊断方法体系,对早期故障的识别能力和对不同工况的适应性上均取得了较好的效果。该方法体系虽然针对柴油机典型故障建立,但具有一定的普适性,对机械机构健康状态评估及早期故障诊断技术开发与工程应用具有一定的指导作用。
张猛[8](2019)在《船用柴油机健康状态监测评估系统开发与验证》文中提出船用柴油机是船舶的“动力心脏”,随着柴油机的强载度提高,发生故障的可能性也相应增大,对船用柴油机进行实时状态监测与健康评估成为保证船舶安全可靠的重要技术手段。本文主要进行基于振动信号和热力参数的船用柴油机健康状态监测评估系统开发与验证,通过对测量信号的分析处理和数据挖掘,及早发现柴油机的故障征兆,对提高船用柴油机的可靠性意义重大,且工程应用价值高。论文的主要研究内容和结论如下:1、归纳总结了船用柴油机监测诊断和健康状态评估技术的发展现状,采用模块化设计方法,完成船用柴油机健康状态监测评估数据管理系统的总体设计,设计了船用柴油机嵌入式机旁控制子系统、健康状态在线监测子系统和健康状态离线分析子系统,并确定了各子系统之间数据交互的方式。2、开发船用柴油嵌入式机旁控制子系统,分析了子系统中各模块的组成及内外部通信方式。设计以STM32单片机为微控制器的子系统硬件,实现了数据采集、数字量输入输出等功能。根据控制逻辑要求,开发了基本软件流程。通过柴油机实机测试,验证了船用柴油嵌入式机旁控制子系统运行可靠稳定,抗电磁干扰能力强,符合中国船级社(CCS)《钢质海船入级规范》的规范要求。3、完成船用柴油机健康状态在线监测子系统的硬件选型和软件开发,研究了时域和频域中振动信号处理和特征值提取方法,并根据研究方法进行振动信号分析处理和特征值提取。建立健康评估的判据和在线数据库,实现了柴油机健康状态的实时评估和数据储存。4、采用支持向量机和模糊C算法研究振动信号的数据挖掘技术。用设置阈值生成规则表,研究了热力参数的数据挖掘,结合柴油机振动信号特征值和数据挖掘算法,开发了柴油机健康状态离线分析子系统软件,对故障信息进行了深入挖掘。开发了较为完备的数据库,实现了柴油机各项参数的大数据储存。5、进行船用柴油机健康状态监测评估系统的台架试验验证,通过模拟柴油机的典型故障,提取了振动信号的故障特征,验证了船用柴油机在线监测子系统的有效性,将故障特征值导入船用柴油机离线分析子系统,验证了离线分析诊断的准确性,同时积累了试验台架的运行数据。
赵国良[9](2018)在《故障诊断和健康管理—动力组和轴承模块分析》文中提出动力组为机车柴油机提供动力,是保证其正常工作运行的重要部分,对于动力组故障的诊断显得尤为重要;而轴承在机车中也同样占据着重要的位置,也极易发生故障,尤其是滚动轴承的结构更复杂、故障类型更多。随着现代智能化方法的发展,故障诊断和健康管理系统(PHM)的诊断方法也更加多元,本文主要是利用故障树法和神经网络法对机车柴油机动力组和滚动轴承的故障进行诊断研究。故障树法采用图形化方法来描述故障原因,使得故障的因果关系更加直观。本文就根据故障树法的分析步骤和规则对柴油机动力组的常见故障进行分析,并据此建立相关的故障树。神经网络的特点使得它在对故障的诊断识别方面有较好的应用,本文采取应用最多的前向型网络对动力组和轴承故障进行诊断研究。以柴油机缸套磨损故障为例对BP神经网络进行网络设计,建立网络模型并对其进行训练和测试仿真,实现对故障的诊断识别;针对BP网络的缺陷提出优化改进措施,并对各改进方法进行比较,结果表明,采用LM优化算法的网络性能和诊断效果最好,可以达到诊断的要求;为避免BP网络固有的缺陷采用RBF神经网络进行故障诊断仿真,采用两种方法设计网络模型,并对其诊断结果进行比较。总的来说,RBF网络的训练速度更快、网络性能更好、诊断精度也更高。最后针对机车滚动轴承的表面损伤类故障,利用小波包分析理论对振动信号进行分析处理得到故障征兆特征,然后再采用RBF网络对其诊断仿真,结果显示这两种方法的结合对故障的识别效果非常好,可以准确地识别出轴承的各种状态。
翟振东,张甲英[10](2016)在《柴油机缸套-活塞环磨损检测研究现状》文中指出柴油机中的缸套和活塞环是柴油机中主要的摩擦学系统,其运动过程是一个复杂的摩擦、磨损过程,其中磨损是其主要表现形式,也是车辆大修技术条件的重要指标。缸套和活塞环的磨损检测问题一直是人们研究的热点之一。对现有的相关研究进行了汇总并分析讨论,对缸套-活塞环的磨损检测方法进行了比较,并对其研究远景提出了展望。
二、基于RBF神经网络的内燃机活塞-缸套磨损故障诊断(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于RBF神经网络的内燃机活塞-缸套磨损故障诊断(论文提纲范文)
(1)柴油机连杆大头轴承润滑特性及其影响因素研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 流体润滑理论研究进展 |
1.2.2 连杆轴承润滑研究现状 |
1.2.3 轴承润滑油膜的测量研究 |
1.3 研究内容及技术路线 |
1.3.1 主要研究内容 |
1.3.2 技术路线 |
第二章 连杆系统多体动力学模型建立 |
2.1 曲柄连杆机构运动学与动力学分析 |
2.1.1 运动学分析 |
2.1.2 动力学分析 |
2.2 柴油机参数与模型边界条件 |
2.3 连杆柔性多体动力学模型建立 |
2.3.1 有限元模型缩减 |
2.3.2 多体动力学模型建立 |
2.4 本章小结 |
第三章 轴瓦油槽结构对连杆大头轴承润滑的影响 |
3.1 轴瓦油槽布置方案 |
3.2 不同轴瓦油槽结构润滑特性研究 |
3.2.1 哑铃形油槽润滑结果 |
3.2.2 树杈形油槽润滑结果 |
3.2.3 一字形油槽润滑结果 |
3.2.4 A形油槽润滑结果 |
3.3 本章小结 |
第四章 连杆轴承型线对润滑特性的影响规律 |
4.1 轴瓦型线 |
4.1.1 轴瓦型线方案选定与控制方程 |
4.1.2 轴瓦型线对连杆大头轴承润滑性能的影响 |
4.2 轴颈型线 |
4.2.1 轴颈圆柱度误差表现形式与控制方程 |
4.2.2 轴颈圆柱度误差型线对连杆大头轴承润滑性能的影响 |
4.3 本章小结 |
第五章 基于近似模型的连杆大头轴承润滑性能参数优化 |
5.1 ISIGHT多目标优化分析软件介绍 |
5.2 试验设计 |
5.2.1 设计变量与输出响应的选定 |
5.2.2 输入样本空间的构建 |
5.3 近似模型搭建与评估 |
5.3.1 轴承润滑近似模型搭建 |
5.3.2 近似模型验证与误差分析 |
5.4 基于近似模型的的连杆大头轴承参数优化 |
5.4.1 NSGA-Ⅱ遗传算法优化理论 |
5.4.2 连杆大头轴承参数优化数学模型 |
5.4.3 优化仿真模型与结果分析 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 工作展望 |
致谢 |
参考文献 |
附录 A:攻读学位期间参与项目及科研成果目录 |
附录1 参与项目 |
附录2 科研成果 |
附录3 获得奖项 |
(2)基于DSP的柴油机监测系统研发(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 课题研究背景和意义 |
1.2 柴油机监测系统国内外研究现状 |
1.2.1 柴油机监测参数国内外研究现状 |
1.2.1.1 热工参数 |
1.2.1.2 油液 |
1.2.1.3 瞬时转速 |
1.2.1.4 振动 |
1.2.1.5 噪声 |
1.2.2 柴油机故障诊断技术国内外研究现状 |
1.2.2.1 基于数学模型 |
1.2.2.2 人工神经网络 |
1.2.2.3 支持向量机 |
1.2.2.4 粗糙集和模糊理论 |
1.2.2.5 信息融合技术 |
1.3 论文研究内容及章节安排 |
第二章 柴油机监测系统硬件设计 |
2.1 DSP56F807介绍 |
2.2 柴油机监测系统硬件总体设计 |
2.3 DSP控制器硬件电路设计 |
2.3.1 电源电路设计 |
2.3.2 复位电路设计 |
2.3.3 时钟电路设计 |
2.3.4 JTAG接口电路设计 |
2.3.5 串口通讯电路设计 |
2.3.6 DSP控制器PCB设计 |
2.4 柴油机监测系统信号测量及调理电路设计 |
2.4.1 蓄电池电压信号调理电路设计 |
2.4.2 蓄电池电流信号调理电路设计 |
2.4.3 蓄电池内阻测量电路设计 |
2.4.3.1 内阻检测方案设计 |
2.4.3.2 内阻测量电路设计 |
2.4.4 曲轴转速信号调理电路设计 |
2.4.5 缸盖振动信号调理电路设计 |
2.4.6 喷油压力信号调理电路设计 |
2.5 本章小结 |
第三章 柴油机监测系统软件设计 |
3.1 软件开发环境介绍 |
3.1.1 Code Warrior介绍 |
3.1.2 Lab VIEW介绍 |
3.2 柴油机监测系统软件总体设计 |
3.3 信号采集与传输程序设计 |
3.3.1 模数转换程序 |
3.3.2 转速采集程序 |
3.3.3 串口通讯程序 |
3.4 振动信号降噪程序设计 |
3.4.1 小波变换概述 |
3.4.1.1 小波变换数学定义 |
3.4.1.2 阈值降噪理论 |
3.4.2 小波降噪实时性影响因素 |
3.4.2.1 小波指令周期模型 |
3.4.2.2 阈值函数 |
3.4.2.3 阈值 |
3.4.3 快速小波降噪参数选择 |
3.4.3.1 分解层数选择 |
3.4.3.2 最优小波基选择 |
3.4.4 快速小波降噪程序设计 |
3.5 Lab VIEW程序设计 |
3.6 本章小结 |
第四章 基于信息融合的故障诊断方法 |
4.1 RBF神经网络概述 |
4.2 基于粒子群算法优化的RBF神经网络 |
4.2.1 粒子群优化算法概述 |
4.2.2 粒子群算法优化RBF神经网络实现 |
4.3 基于信息融合的故障诊断方法 |
4.4 本章小结 |
第五章 柴油机监测系统测试 |
5.1 监测功能测试 |
5.1.1 蓄电池电压测试 |
5.1.2 蓄电池电流测试 |
5.1.3 蓄电池内阻测试 |
5.1.4 转速测试 |
5.1.5 缸盖振动测试 |
5.1.6 喷油压力测试 |
5.2 单缸失火故障诊断测试 |
5.3 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
致谢 |
个人简历、在学期间的研究成果及发表的学术论文 |
(3)基于粗糙集和模糊神经网络的柴油机健康管理系统研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 柴油机健康管理分析系统研究的意义 |
1.2 柴油机典型故障及故障诊断研究的基本内容 |
1.2.1 柴油机典型的故障类型 |
1.2.2 柴油机故障诊断技术研究的基本内容 |
1.3 柴油机故障诊断技术的现状与发展趋势 |
1.3.1 柴油机故障诊断技术的国内外现状 |
1.3.2 柴油机的状态信号检测和特征提取方法 |
1.3.3 柴油机故障模式识别技术 |
1.3.4 柴油机故障诊断技术的发展趋势 |
1.4 本文研究的主要内容 |
第2章 柴油机振动信号数据采集系统 |
2.1 传感器与测点部位的确定 |
2.2 振动信号的处理 |
2.2.1 数字信号处理系统 |
2.2.2 基于DSP的柴油机振动监测系统 |
2.2.3 柴油机转速和采样频率的选择 |
2.3 柴油机振动信号采集系统 |
2.4 非稳态振动信号的测量与分析 |
2.5 本章小结 |
第3章 基于EEMD-SVD的柴油机故障特征提取 |
3.1 EEMD的基本原理 |
3.1.1 EMD与 EEMD比较分析 |
3.2 奇异值分解的基本原理 |
3.3 基于EEMD—SVD的柴油机振动信号分析 |
3.3.1 柴油机连杆轴承振动信号的EEMD-SVD分析 |
3.4 本章小结 |
第4章 基于粗糙集和模糊神经网络的柴油机故障诊断 |
4.1 粗糙集理论 |
4.1.1 粗糙集理论的基本内容 |
4.1.2 粗糙集的属性约简 |
4.2 基于粗糙集理论的故障诊断 |
4.2.1 信号处理与产生决策表 |
4.2.2 属性对决策近似精度的计算 |
4.2.3 属性约简与决策规则产生 |
4.3 粗糙集和模糊神经网络结合的故障诊断 |
4.3.1 T-S模糊神经网络 |
4.3.2 模糊神经网络的学习算法 |
4.3.3 基于粗糙集和模糊神经网络的故障诊断 |
4.5 本章小结 |
第5章 柴油机故障诊断和健康管理分析系统 |
5.1 系统方案 |
5.1.1 柴油机健康管理分析系统功能 |
5.1.2 健康管理分析系统 |
5.2 基于振动信号的分析应用 |
5.3 本章小结 |
总结与展望 |
参考文献 |
攻读硕士学位期间发表的学术论文及学术成果 |
致谢 |
(4)基于热力学原理的智能低速机故障模拟研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 故障模拟与故障诊断研究现状 |
1.2.1 故障模拟原理及研究现状 |
1.2.2 故障诊断原理及研究现状 |
1.3 本文主要工作 |
第2章 智能船用低速机故障模拟稳态仿真模型 |
2.1 智能船用低速机稳态仿真模型 |
2.1.1 低速机缸内工作过程模型 |
2.1.2 涡轮增压系统的模型 |
2.1.3 中冷器模型 |
2.2 智能船用低速机稳态仿真模型的验证 |
2.2.1 基本参数的输入 |
2.2.2 缸内工作过程仿真结果验证 |
2.2.3 涡轮增压系统仿真结果验证 |
2.2.4 进、排气系统仿真结果验证 |
2.2.5 中冷器仿真结果验证 |
2.3 燃烧室中典型故障的设置及其仿真模型 |
2.3.1 活塞顶部积碳 |
2.3.2 喷油提前与滞后 |
2.4 涡轮增压系统中典型故障的设置及其仿真模型 |
2.4.1 空气滤清器堵塞 |
2.4.2 涡轮格栅堵塞 |
2.5 中冷器典型故障的设置及其仿真模型 |
2.6 本章小结 |
第3章 智能船用低速机稳态故障模拟仿真分析与验证 |
3.1 故障系数的设定 |
3.2 指定性能参数的选取 |
3.3 故障模拟结果 |
3.3.1 活塞顶部积碳 |
3.3.2 喷油提前 |
3.3.3 喷油滞后 |
3.3.4 空气滤清器堵塞 |
3.3.5 涡轮格栅堵塞 |
3.3.6 中冷器冷却度下降 |
3.4 故障诊断 |
3.4.1 RBF神经网络的搭建 |
3.4.2 故障诊断结果 |
3.5 本章小结 |
第4章 智能船用低速机动态故障模拟仿真分析 |
4.1 智能船用低速机故障模拟动态仿真模型 |
4.1.1 螺旋桨模型的搭建 |
4.1.2 转动平衡的搭建 |
4.1.3 调速器模型的搭建 |
4.2 低速机故障模拟动态仿真模型的验证 |
4.2.1 100%、75%、50%、25%工况点的仿真结果调试与验证 |
4.2.2 37.5%、62.5%、85%工况点的仿真结果调试与验证 |
4.3 动态故障模拟结果与分析 |
4.3.1 活塞顶部积碳故障 |
4.3.2 喷油提前与滞后故障 |
4.4 本章小结 |
结论与展望 |
参考文献 |
攻读硕士学位期间发表的论文和取得的科研成果 |
致谢 |
(5)柴油机拉缸故障监测诊断方法综述(论文提纲范文)
0 引言 |
1 柴油机拉缸故障机理 |
2 柴油机拉缸故障监测诊断方法研究现状 |
2.1 基于性能参数的拉缸故障监测诊断方法 |
2.2 基于油液的拉缸故障监测诊断方法 |
2.3 基于振声的拉缸故障监测诊断方法 |
2.4 拉缸故障诊断的信号处理方法研究现状 |
3 问题与展望 |
4 结语 |
(6)柴油机关键运动部件典型故障仿真与实验研究(论文提纲范文)
学位论文数据集 |
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题背景及意义 |
1.2 国内外研究现状 |
1.2.1 敲缸振动研究现状 |
1.2.2 联轴器不对中及其对运动系统影响研究现状 |
1.2.3 瞬时转速及其测量偏差研究现状 |
1.3 本文研究主要内容 |
1.4 本文创新之处 |
第二章 基于ADMS的柴油机敲缸故障探究 |
2.1 引言 |
2.2 理论分析 |
2.3 动力学仿真 |
2.3.1 ADAMS仿真模型 |
2.3.2 转速对敲缸振动影响 |
2.3.3 活塞间隙对敲缸振动影响 |
2.3.4 燃气压力对敲缸振动影响 |
2.4 实验验证 |
2.5 本章小结 |
第三章 基于动力学仿真的柴油机轴系不对中故障机理探究 |
3.1 引言 |
3.2 齿式联轴器轴向摩擦力数值分析 |
3.2.1 轴向摩擦力公式 |
3.2.2 单向轴向摩擦力 |
3.2.3 往复轴向摩擦力 |
3.3 柴油机曲轴系仿真模型建模 |
3.3.1 建立仿真模型 |
3.3.2 设定约束与边界条件 |
3.4 仿真结果分析 |
3.4.1 径向不对中对曲轴窜动影响 |
3.4.2 轮齿摩擦状态差异对曲轴窜动影响 |
3.4.3 曲轴窜动异常对止推轴成接触力影响 |
3.4.4 曲轴窜动异常对正时齿轮接触力影响 |
3.5 曲轴止推轴承磨损故障案例 |
3.6 本章小结 |
第四章 基于瞬时转速优化计算的失火故障诊断方法 |
4.1 引言 |
4.2 偏差分析 |
4.2.1 瞬时转速测量偏差来源分析 |
4.2.2 齿盘径向振动对瞬时转速影响 |
4.2.3 传感器支架振动对瞬时转速测量影响 |
4.2.4 齿盘偏心对瞬时转速测量影响 |
4.3 仿真模拟 |
4.3.1 建立仿真模型 |
4.3.2 齿盘径向振动对瞬时转速测量影响 |
4.3.3 传感器支架振动对瞬时转速测量影响 |
4.3.4 齿盘偏心对瞬时转速测量影响 |
4.4 瞬时转速计算优化 |
4.4.1 加装辅助传感器 |
4.4.2 局部均值分解预处理 |
4.4.3 综合仿真 |
4.5 失火故障诊断 |
4.5.1 正常情况下的瞬时转速 |
4.5.2 B3缸失火下的瞬时转速 |
4.5.3 多缸失火下的瞬时转速 |
4.6 本章小结 |
第五章 柴油机故障实验 |
5.1 引言 |
5.2 柴油机故障模拟试验台 |
5.2.1 故障试验台 |
5.2.2 状态监测系统 |
5.3 故障模拟实验 |
5.3.1 失火故障实验 |
5.3.2 气门间隙异常故障实验 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
攻读硕士学位期间研究成果 |
作者与导师简介 |
附件 |
(7)基于单通道振动信号解析的柴油机典型故障智能诊断方法研究(论文提纲范文)
摘要 |
ABSTRACT |
字母注释表 |
第一章 绪论 |
1.1 柴油机故障诊断研究的背景和意义 |
1.2 柴油机故障诊断方法概述 |
1.3 柴油机故障诊断方法国内外研究现状 |
1.3.1 故障特征提取研究现状 |
1.3.2 模式识别的研究现状 |
1.4 论文结构安排与主要研究内容 |
第二章 柴油机典型故障实验设计与结果分析 |
2.1 柴油机故障模拟实验 |
2.1.1 实验系统与实验工况 |
2.1.2 采样频率的确定 |
2.1.3 故障类型的设置 |
2.2 柴油机振动信号特性 |
2.3 柴油机表面振动信号的时域分析 |
2.4 柴油机表面振动信号的频域分析 |
2.5 本章小结 |
第三章 VMD与ICA协同信号处理方法 |
3.1 信号处理基本原理 |
3.1.1 VMD算法理论 |
3.1.2 ICA算法原理 |
3.1.3 四阶累积量算法原理 |
3.2 VMD算法控制参数研究 |
3.2.1 VMD算法模拟信号验证 |
3.2.2 VMD算法控制参数分析 |
3.2.3 VMD控制参数优化方法 |
3.3 ICA算法适用性分析 |
3.3.1 Fast ICA算法分析 |
3.3.2 Robust ICA算法分析 |
3.3.3 KICA算法分析 |
3.3.4 三种ICA算法综合对比 |
3.4 本章小结 |
第四章 基于双谱理论的特征选择方法 |
4.1 双谱分析基本理论 |
4.2 基于对角线投影的双谱切片方法 |
4.2.1 双谱算法的初步分析 |
4.2.2 基于对角线切片的双谱处理方法 |
4.2.3 基于对角线投影的双谱处理方法 |
4.2.4 基于对角线累积的双谱处理方法 |
4.2.5 三种双谱处理方法综合对比 |
4.3 信号特征参数选择方法 |
4.3.1 特征参数分析方法 |
4.3.2 信号特征参数计算分析 |
4.4 本章小结 |
第五章 基于深度信念网络的故障模式识别研究 |
5.1 深度信念网络 |
5.1.1 受限玻尔兹曼机 |
5.1.2 深度信念网络构架 |
5.1.3 DBN的训练 |
5.1.4 对比散度快速算法 |
5.1.5 DBN的微调 |
5.2 基于VMD-ICA-双谱的DBN模式识别方法 |
5.2.1 DBN分类器构建 |
5.2.2 单一故障分类结果 |
5.2.3 多故障分类结果 |
5.3 基于VMD-ICA双谱的GA-BP模式识别方法 |
5.3.1 GA-BP神经网络 |
5.3.2 优化过程 |
5.3.3 GA-BP神经网络分类结果 |
5.4 各工况实验下的适用性分析 |
5.4.1 怠速工况振动信号识别 |
5.4.2 额定功率工况振动信号识别 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 未来工作展望 |
参考文献 |
发表论文和参加科研情况说明 |
致谢 |
(8)船用柴油机健康状态监测评估系统开发与验证(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 选题的背景和意义 |
1.2 船用柴油机监测系统应用现状与发展趋势 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 船用柴油机机旁监控系统现状 |
1.3.1 国外发展现状 |
1.3.2 国内发展现状 |
1.4 柴油机故障诊断分析方法综述 |
1.4.1 柴油机气阀故障的诊断分析方法 |
1.4.2 活塞-缸套磨损状态的监测分析方法 |
1.4.3 增压器动不平衡监测分析方法 |
1.4.4 热力参数诊断分析方法 |
1.5 主要研究内容 |
1.5.1 研究目标 |
1.5.2 研究内容与技术路线 |
1.6 本章小结 |
第2章 船用柴油机健康状态监测评估系统总体设计 |
2.1 总体结构 |
2.2 船用柴油机嵌入式机旁监控子系统结构 |
2.2.1 主控单元 |
2.2.2 人机交互单元 |
2.2.3 软件单元 |
2.3 船用柴油机健康状态在线监测子系统 |
2.3.1 系统软件 |
2.3.2 系统硬件 |
2.4 船用柴油机健康状态离线分析子系统 |
2.5 本章小结 |
第3章 船用柴油机嵌入式机旁监控子系统设计 |
3.1 机旁监控子系统的模块分析 |
3.1.1 监测、控制及报警模块 |
3.1.2 安全保护模块 |
3.1.3 电源分配模块 |
3.1.4 人机交互单元 |
3.1.5 基本通信方式 |
3.2 硬件电路设计 |
3.2.1 单片机选型 |
3.2.2 数据采集电路 |
3.2.3 数字量输入输出电路 |
3.2.4 看门狗设计 |
3.3 软件开发及控制逻辑 |
3.3.1 软件控制逻辑 |
3.3.2 柴油机机旁监测子系统在线标定 |
3.3.3 故障自诊断 |
3.4 嵌入式机旁监控子系统的实机验证 |
3.5 本章小结 |
第4章 船用柴油机健康状态在线监测子系统开发 |
4.1 设计方案 |
4.1.1 传感器配置 |
4.1.2 采集硬件选择 |
4.2 软件开发 |
4.2.1 参数配置单元 |
4.2.2 振动分析单元 |
4.2.3 热力参数单元 |
4.2.4 监测与报警单元 |
4.3 数据库管理系统与开发工具 |
4.3.1 数据库设计 |
4.3.2 数据库访问 |
4.4 本章小结 |
第5章 船用柴油机健康状态离线分析子系统开发 |
5.1 数据挖掘分析技术 |
5.1.1 数据挖掘的处理过程 |
5.1.2 数据挖掘算法 |
5.2 柴油机状态管理及热力参数数据挖掘 |
5.3 基于支持向量机算法的振动数据挖掘 |
5.3.1 支持向量机(SVM)的算法 |
5.3.2 技术路线 |
5.3.3 特征值提取 |
5.3.4 基于支持向量机算法的LabVIEW软件界面 |
5.4 基于模糊C算法(FCM)的振动数据挖掘 |
5.4.1 FCM算法研究 |
5.4.2 技术路线 |
5.4.3 基于模糊C算法的LabVIEW软件界面 |
5.5 本章小结 |
第6章 船用柴油机健康状态监测评估系统试验验证 |
6.1 试验机型 |
6.2 试验现场及测点分布 |
6.3 柴油机故障模拟试验 |
6.3.1 试验方案 |
6.3.2 信号的特征参数提取 |
6.3.3 试验测试信号分析 |
6.4 离线分析子系统数据挖掘 |
6.4.1 特征值提取 |
6.4.2 基于支持向量机的离线分析系统 |
6.4.3 基于模糊C算法的离线分析系统 |
6.5 本章小结 |
第7章 结论与展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
致谢 |
攻读硕士期间发表的论文和参加的科研项目 |
(9)故障诊断和健康管理—动力组和轴承模块分析(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题背景及意义 |
1.2 柴油机故障诊断的研究现状和发展趋势 |
1.2.1 柴油机故障诊断的国内外研究现状 |
1.2.2 柴油机故障诊断的发展趋势 |
1.3 本文的研究内容及结构 |
2 神经网络及模型简介 |
2.1 神经网络简介 |
2.1.1 神经网络基本结构 |
2.1.2 神经网络模型分类 |
2.1.3 神经网络的特点 |
2.2 BP神经网络 |
2.2.1 BP神经网络结构 |
2.2.2 BP神经网络学习训练算法 |
2.2.3 BP网络学习算法的改进 |
2.3 RBF神经网络 |
2.3.1 RBF神经网络的结构 |
2.3.2 RBF神经网络的学习训练 |
2.4 BP神经网络和RBF神经网络的比较 |
2.4.1 BP神经网络的优缺点 |
2.4.2 RBF神经网络的优缺点 |
3 机车柴油机动力组的故障树分析 |
3.1 故障树法的特点 |
3.2 故障树法常用的基本符号 |
3.3 故障树分析的步骤 |
3.3.1 故障树的建立 |
3.3.2 故障树的定性分析 |
3.3.3 故障树的定量分析 |
3.4 柴油机动力组的故障树 |
4 基于神经网络对柴油机动力组的故障诊断 |
4.1 神经网络在柴油机故障诊断中的应用 |
4.2 BP网络对柴油机缸套磨损的故障诊断 |
4.2.1 BP神经网络模型的建立 |
4.2.2 标准BP神经网络的学习训练 |
4.2.3 改进BP网络的学习训练 |
4.2.4 LM算法改进BP网络的训练及测试结果 |
4.3 RBF网络对柴油机缸套磨损的故障诊断 |
4.3.1 RBF网络模型的设计 |
4.3.2 RBF网络的训练和测试 |
5 基于神经网络对机车滚动轴承的故障诊断 |
5.1 滚动轴承常见故障 |
5.2 滚动轴承的故障特征频率 |
5.3 小波包分析理论 |
5.3.1 小波分析 |
5.3.2 小波包分析 |
5.4 RBF网络对机车轴承的故障诊断 |
5.4.1 轴承故障特征量的提取 |
5.4.2 RBF网络的创建 |
5.4.3 RBF网络的测试仿真 |
结论 |
参考文献 |
致谢 |
(10)柴油机缸套-活塞环磨损检测研究现状(论文提纲范文)
0 引言 |
1 缸套-活塞环磨损检测方法 |
2 现有监测方法的原理及优缺点 |
2.1 机体表面振声监测法 |
2.2 电容监测法 |
2.3 光电监测法 |
2.4 油液分析法 |
2.5 磁传感监测法 |
2.6 气缸压力监测法 |
2.7 启动电流监测法 |
2.8 瞬时转速监测法 |
2.9 压电监测法 |
3 展望 |
四、基于RBF神经网络的内燃机活塞-缸套磨损故障诊断(论文参考文献)
- [1]柴油机连杆大头轴承润滑特性及其影响因素研究[D]. 李程坤. 昆明理工大学, 2021(01)
- [2]基于DSP的柴油机监测系统研发[D]. 应铭. 石家庄铁道大学, 2020(04)
- [3]基于粗糙集和模糊神经网络的柴油机健康管理系统研究[D]. 林传喜. 江苏科技大学, 2020(03)
- [4]基于热力学原理的智能低速机故障模拟研究[D]. 戴琳. 哈尔滨工程大学, 2020(05)
- [5]柴油机拉缸故障监测诊断方法综述[J]. 王宇,张永祥. 设备管理与维修, 2019(16)
- [6]柴油机关键运动部件典型故障仿真与实验研究[D]. 任中睿. 北京化工大学, 2019(06)
- [7]基于单通道振动信号解析的柴油机典型故障智能诊断方法研究[D]. 毕晓阳. 天津大学, 2019(06)
- [8]船用柴油机健康状态监测评估系统开发与验证[D]. 张猛. 武汉理工大学, 2019(07)
- [9]故障诊断和健康管理—动力组和轴承模块分析[D]. 赵国良. 大连理工大学, 2018(02)
- [10]柴油机缸套-活塞环磨损检测研究现状[J]. 翟振东,张甲英. 农业装备与车辆工程, 2016(03)