柴油機(jī)是眾多重要裝備的動(dòng)力核心,在發(fā)電機(jī)組、國防裝備、船舶動(dòng)力和工程機(jī)械等領(lǐng)域發(fā)揮著重要作用。然而,惡劣的使用環(huán)境和復(fù)雜的系統(tǒng)結(jié)構(gòu)使得柴油機(jī)故障頻發(fā),不但影響柴油機(jī)使用,還可能造成嚴(yán)重經(jīng)濟(jì)損失,甚至威脅工作人員的人身安全。目前廣泛應(yīng)用的故障在線監(jiān)測方法效果有限,維修策略相對落后,已經(jīng)越來越無法滿足現(xiàn)代化裝備生產(chǎn)的實(shí)際需求。同時(shí),根據(jù)柴油機(jī)變工況使用要求需不斷切換運(yùn)行于多種穩(wěn)定轉(zhuǎn)速和負(fù)荷的狀態(tài),會(huì)對在線監(jiān)測診斷故障造成較大困難。因此,依托信號處理、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等技術(shù)開展變工況下柴油機(jī)故障早期預(yù)警、診斷與維修決策優(yōu)化方法的研究與應(yīng)用,為設(shè)備維修提供基于狀態(tài)的優(yōu)化決策,對提高柴油機(jī)的安全性、可用性以及經(jīng)濟(jì)效益具有極其重要的意義和價(jià)值。本文以柴油機(jī)為研究對象,以實(shí)現(xiàn)變工況下的故障在線監(jiān)測與維修決策優(yōu)化為目標(biāo),從信號特征的提取與選擇研究出發(fā),對工況識別方法進(jìn)行研究,進(jìn)而開展變工況下的故障在線監(jiān)測和維修決策優(yōu)化方法研究,并利用實(shí)驗(yàn)數(shù)據(jù)和工程案例進(jìn)行方法驗(yàn)證。論文的主要研究內(nèi)容如下:首先,基于柴油機(jī)振動(dòng)信號特點(diǎn)開展特征提取與選擇方法研究。對非線性、非平穩(wěn)振動(dòng)信號進(jìn)行多域特征研究,并通過構(gòu)建特征... 

【文章來源】：北京化工大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：140 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題研究背景及意義
    1.2 變工況下柴油機(jī)故障在線監(jiān)測與維修決策優(yōu)化研究現(xiàn)狀
        1.2.1 柴油機(jī)振動(dòng)信號提取與選擇方法研究概況
        1.2.2 柴油機(jī)工況識別方法研究概況
        1.2.3 柴油機(jī)異常檢測方法研究概況
        1.2.4 柴油機(jī)故障診斷方法研究概況
        1.2.5 柴油機(jī)維修決策方法研究概況
    1.3 本文主要研究內(nèi)容
第二章 柴油機(jī)振動(dòng)信號特征提取與選擇方法研究
    2.1 柴油機(jī)實(shí)驗(yàn)臺(tái)架
        2.1.1 TBD234柴油機(jī)
        2.1.2 測點(diǎn)布局
        2.1.3 柴油機(jī)狀態(tài)監(jiān)測系統(tǒng)
    2.2 振動(dòng)信號多域特征
        2.2.1 振動(dòng)信號時(shí)域特征
        2.2.2 振動(dòng)信號角域特征
        2.2.3 振動(dòng)信號頻域特征
        2.2.4 振動(dòng)信號時(shí)頻域特征
    2.3 特征相關(guān)性分析
    2.4 基于多目標(biāo)優(yōu)化的特征選擇方法
        2.4.1 特征組合評價(jià)
        2.4.2 特征選擇目標(biāo)函數(shù)
        2.4.3 特征選擇
    2.5 本章小結(jié)
第三章 柴油機(jī)工況識別方法研究
    3.1 柴油機(jī)的運(yùn)行工況
    3.2 基于多域特征和線性判別分析的工況識別方法
        3.2.1 基于變分模態(tài)分解的工況特征提取
        3.2.2 基于線性判別分析的工況識別方法
        3.2.3 工況識別方法實(shí)驗(yàn)驗(yàn)證
    3.3 基于一維卷積長短時(shí)記憶網(wǎng)絡(luò)的工況識別方法
        3.3.1 基于一維卷積神經(jīng)網(wǎng)絡(luò)的振動(dòng)信號局部特征提取研究
        3.3.2 自適應(yīng)dropout方法研究
        3.3.3 一維卷積長短時(shí)記憶網(wǎng)絡(luò)模型
        3.3.4 工況識別方法實(shí)驗(yàn)驗(yàn)證
    3.4 本章小結(jié)
第四章 無故障數(shù)據(jù)下的柴油機(jī)異常預(yù)警方法研究
    4.1 基于圖像轉(zhuǎn)化的數(shù)據(jù)增強(qiáng)
    4.2 柴油機(jī)正常狀態(tài)對應(yīng)潛在空間建模
        4.2.1 生成對抗網(wǎng)絡(luò)原理
        4.2.2 基于生成對抗網(wǎng)絡(luò)的柴油機(jī)正常狀態(tài)對應(yīng)潛在空間建模
    4.3 無故障數(shù)據(jù)下的異常檢測方法
        4.3.1 基于自編碼網(wǎng)絡(luò)的映射模型訓(xùn)練
        4.3.2 基于生成對抗網(wǎng)絡(luò)和自編碼網(wǎng)絡(luò)的異常檢測方法
    4.4 柴油機(jī)異常檢測實(shí)例驗(yàn)證
        4.4.1 實(shí)驗(yàn)數(shù)據(jù)
        4.4.2 異常檢測
    4.5 本章小結(jié)
第五章 變工況下的柴油機(jī)故障診斷方法研究
    5.1 變工況下柴油機(jī)失火故障診斷
        5.1.1 整機(jī)工況識別
        5.1.2 自適應(yīng)失火故障診斷方法
    5.2 變工況下柴油機(jī)氣門間隙異常故障診斷
        5.2.1 氣門間隙異常故障模擬
        5.2.2 氣門間隙異常故障特征提取
        5.2.3 變工況下基于軟間隔支持向量機(jī)的氣門間隙故障診斷方法
        5.2.4 變工況下氣門間隙異常故障診斷實(shí)例驗(yàn)證
    5.3 考慮不平衡數(shù)據(jù)集的故障診斷方法
        5.3.1 不平衡數(shù)據(jù)集對故障診斷模型的影響
        5.3.2 基于改進(jìn)SMOTE的故障診斷方法研究
        5.3.3 基于不平衡振動(dòng)數(shù)據(jù)集的故障診斷方法實(shí)例驗(yàn)證
    5.4 本章小結(jié)
第六章 基于振動(dòng)狀態(tài)監(jiān)測的維修決策優(yōu)化方法研究
    6.1 基于威布爾比例風(fēng)險(xiǎn)模型的柴油機(jī)狀態(tài)評估
        6.1.1 振動(dòng)信號退化特征提取
        6.1.2 威布爾比例風(fēng)險(xiǎn)模型
        6.1.3 參數(shù)估計(jì)
    6.2 維修決策優(yōu)化方法
        6.2.1 基于閾值的狀態(tài)維修決策
        6.2.2 維修決策閾值優(yōu)化
        6.2.3 柴油機(jī)健康管理
    6.3 本章小結(jié)
第七章 實(shí)驗(yàn)與工程應(yīng)用研究
    7.1 變工況下柴油機(jī)典型故障模擬實(shí)驗(yàn)研究
        7.1.1 變工況失火故障模擬
        7.1.2 變工況氣門間隙異常故障模擬
    7.2 工程應(yīng)用案例
        7.2.1 失火故障診斷案例
        7.2.2 氣門間隙異常故障診斷及維修決策案例
    7.3 本章小結(jié)
第八章 總結(jié)與展望
    8.1 論文主要研究成果
    8.2 展望
參考文獻(xiàn)
致謝
研究成果及發(fā)表的學(xué)術(shù)論文
作者和導(dǎo)師簡介
附件


【參考文獻(xiàn)】：
期刊論文
[1]一種基于流形學(xué)習(xí)和KNN算法的柴油機(jī)工況識別方法[J]. 江志農(nóng),趙南洋,夏敏,趙飛松,高佳麗,張進(jìn)杰.  噪聲與振動(dòng)控制. 2019(03)
[2]基于短時(shí)傅里葉變換和卷積神經(jīng)網(wǎng)絡(luò)的軸承故障診斷方法[J]. 李恒,張氫,秦仙蓉,孫遠(yuǎn)韜.  振動(dòng)與沖擊. 2018(19)
[3]基于聲發(fā)射的柴油機(jī)連桿大端軸瓦碰撞摩擦故障診斷[J]. 黨軒,谷豐收,王鐵,李國興,王歡歡,張虎.  振動(dòng)與沖擊. 2018(19)
[4]VMD樣本熵特征提取方法及其在行星變速箱故障診斷中的應(yīng)用[J]. 楊大為,馮輔周,趙永東,江鵬程,丁闖.  振動(dòng)與沖擊. 2018(16)
[5]基于CART決策樹的柴油機(jī)故障診斷方法研究[J]. 江志農(nóng),魏東海,王磊,趙志超,茆志偉,張進(jìn)杰.  北京化工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(04)
[6]油液信息特征提取方法研究及在柴油機(jī)狀態(tài)評估中的應(yīng)用[J]. 劉鑫,賈云獻(xiàn),崔心瀚,王強(qiáng).  中國測試. 2018(06)
[7]基于小波時(shí)頻圖和CNN的滾動(dòng)軸承智能故障診斷方法[J]. 袁建虎,韓濤,唐建,安立周.  機(jī)械設(shè)計(jì)與研究. 2017(02)
[8]利用軸承狀態(tài)信息的維修決策[J]. 昝濤,周霜,王民,高相勝,郭聰聰.  北京工業(yè)大學(xué)學(xué)報(bào). 2016(11)
[9]基于時(shí)-頻相干與RBF網(wǎng)絡(luò)的氣缸壓力識別研究[J]. 常春,賈繼德,曾銳利,梅檢民,王國威.  車用發(fā)動(dòng)機(jī). 2016(05)
[10]基于比例危險(xiǎn)模型的船用柴油機(jī)視情維修決策[J]. 周志才,劉東風(fēng),石新發(fā).  海軍工程大學(xué)學(xué)報(bào). 2014(06)

博士論文
[1]活塞式發(fā)動(dòng)機(jī)典型故障診斷及非穩(wěn)定工況監(jiān)測評估方法研究[D]. 茆志偉.北京化工大學(xué) 2018
[2]基于振動(dòng)分析的柴油機(jī)燃油系統(tǒng)與配氣機(jī)構(gòu)故障診斷研究[D]. 劉昱.天津大學(xué) 2016
[3]柴油機(jī)振動(dòng)信號特征提取與故障診斷方法研究[D]. 李敏通.西北農(nóng)林科技大學(xué) 2012

碩士論文
[1]基于Fisher Score及遺傳算法的特征選擇方法研究[D]. 周密.暨南大學(xué) 2016
[2]基于KNN算法的柴油機(jī)故障診斷方法研究[D]. 朱向利.哈爾濱工程大學(xué) 2016
[3]基于扭轉(zhuǎn)振動(dòng)頻域分析的發(fā)動(dòng)機(jī)故障研究[D]. 李宙輝.吉林大學(xué) 2010
[4]大亞灣、嶺澳核電站應(yīng)急柴油機(jī)振動(dòng)問題治理[D]. 張?zhí)m岐.上海交通大學(xué) 2009
[5]遠(yuǎn)程設(shè)備故障診斷專家系統(tǒng)[D]. 李印武.北京化工大學(xué) 2003
[6]船舶柴油機(jī)維修決策研究[D]. 胡彥平.大連海事大學(xué) 2001



本文編號：3148195