為了識別空壓機氣門潛在和早期的微弱故障,提出了一種基于KNN和Wigner-Hough振動譜時頻圖像識別的氣門故障診斷方法.利用Wigner-Hough算法對某船用空壓機缸蓋表面振動信號進行了時頻分析,將振動譜時頻圖像作為二維輸入信號進一步分析和挖掘,提取一階時間矩、一階頻率矩作為氣門故障診斷參數(shù),采用模式識別KNN算法實現(xiàn)其故障的識別.整合上述研究成果,基于Labview、Matlab混合編程開發(fā)了氣門故障診斷平臺.試驗結(jié)果表明:此方法能較好地識別空壓機氣門磨損故障. 

【文章來源】：武漢理工大學學報(交通科學與工程版). 2020,44(04)

【文章頁數(shù)】：5 頁

【部分圖文】：

漏氣故障模擬試驗

基于以上試驗,采集到氣門正常與故障狀態(tài)下振動信號的時域波形見圖2.鑒于篇幅關(guān)系,本文僅給示了部分分析結(jié)果.由圖2可知,與故障情況相比,正常情況下的振動峰值較大.分析認為:正常情況下,氣門的密封性較好,氣門壓力大于故障情況,從而導致振幅較大.取0.4 MPa背壓下的實測信號中任意一個周期的功率譜分析結(jié)果,頻域分辨率0.5 Hz,頻帶0～8 000 Hz,考察氣門故障是否具有頻譜特征,見圖3.

取0.4 MPa背壓下的實測信號中任意一個周期的功率譜分析結(jié)果,頻域分辨率0.5 Hz,頻帶0～8 000 Hz,考察氣門故障是否具有頻譜特征,見圖3.從頻譜分析結(jié)果來看:正常氣門情況下,振動信號的總能量較高且幅值較大,頻譜無特征頻率.同時,振動信號頻帶較寬,說明振動信號中沖擊成分較高.兩種氣門頻譜的主要區(qū)別在振動能量上,分布規(guī)律無明顯差別.體現(xiàn)為功率譜幅值的差異,和時域分析的結(jié)果相同.

【參考文獻】：
期刊論文
[1]低分辨雷達目標分類的最小代價拒判算法[J]. 陳志仁,顧紅,蘇衛(wèi)民,龔大辰.  自動化學報. 2018(06)
[2]船用空壓機氣閥監(jiān)測診斷系統(tǒng)研究[J]. 胡甫才,丁懷志,周賽洪,林彥彬,郭蘊華.  船舶力學. 2016(10)
[3]基于W-H變換的盲分離算法[J]. 李興慧,楊輝,申永軍.  蘭州理工大學學報. 2015(03)
[4]基于EMD-WVD振動譜時頻圖像SVM識別的內(nèi)燃機故障診斷[J]. 蔡艷平,李艾華,石林鎖,許平,張瑋.  內(nèi)燃機工程. 2012(02)
[5]基于小波包分析的氣門間隙異常故障診斷[J]. 司景萍,任慶霜,梁紅波,張寶偉.  振動與沖擊. 2011(12)
[6]基于小波包變換和奇異值分解的柴油機振動信號特征提取研究[J]. 李國賓,關(guān)德林,李廷舉.  振動與沖擊. 2011(08)
[7]基于瞬時轉(zhuǎn)速的柴油機氣閥漏氣故障診斷[J]. 孫云嶺,滕國生,郭文勇.  內(nèi)燃機. 2011(03)

博士論文
[1]基于模式識別的柴油機故障診斷技術(shù)研究[D]. 王志華.武漢理工大學 2004

碩士論文
[1]基于HHT和SVM的柴油機配氣機構(gòu)故障診斷技術(shù)研究[D]. 張松娟.哈爾濱工程大學 2015



本文編號：3229892