【摘要】：在現(xiàn)代科學(xué)技術(shù)的推動下,船舶正不斷地向網(wǎng)絡(luò)化、數(shù)字化及智能化的方向發(fā)展,這就對船舶的可靠性及管理效率提出了更高的要求。作為船舶核心設(shè)備,柴油機(jī)的運(yùn)行狀態(tài)直接影響到船舶航行安全,其嚴(yán)重事故可能會導(dǎo)致災(zāi)難性的后果,而傳統(tǒng)的監(jiān)控報警和人工檢測的方式顯然滿足不了船舶智能化的要求。因此,船舶柴油機(jī)故障的智能檢測與診斷方法逐漸成為船舶智能化研究的熱點(diǎn)。本文以7K98MC型柴油機(jī)為研究對象,基于Matlab/Simulink平臺搭建柴油機(jī)工作過程的仿真模型,在仿真基礎(chǔ)上,利用主元分析(PCA)與BP神經(jīng)網(wǎng)絡(luò)進(jìn)行柴油機(jī)的故障檢測與診斷方法研究。本文主要完成的研究工作包括以下幾個方面:(1)介紹柴油機(jī)的工作過程及各子系統(tǒng)的數(shù)學(xué)模型,利用Matlab/Simulink搭建7K98MC型柴油機(jī)各個系統(tǒng)模塊的仿真模型,并將仿真結(jié)果與臺架試驗(yàn)數(shù)據(jù)進(jìn)行對比驗(yàn)證模型的準(zhǔn)確性與合理性。同時,利用柴油機(jī)的仿真模型分別對壓氣機(jī)故障、中冷器故障、噴油定時故障、單缸噴油不足、排氣管故障等6種常見的柴油機(jī)故障進(jìn)行仿真計算,得到不同故障及不同故障程度下柴油機(jī)各參數(shù)的特征。結(jié)果表明,該模型的仿真計算結(jié)果與實(shí)際的理論結(jié)果相吻合,并且具有較高的仿真精度。(2)闡述PCA進(jìn)行故障檢測的原理,在Q統(tǒng)計量和T~2統(tǒng)計量的基礎(chǔ)上提出一種綜合統(tǒng)計量的故障檢測方法,結(jié)合貢獻(xiàn)圖分析各故障下變量因素的影響,并通過柴油機(jī)的故障仿真數(shù)據(jù)對PCA的檢測效果進(jìn)行實(shí)例驗(yàn)證。結(jié)果表明,PCA對柴油機(jī)的故障狀態(tài)有較好的檢測能力,并且利用貢獻(xiàn)圖可以更好地分析故障原因。(3)研究BP神經(jīng)網(wǎng)絡(luò)的模型結(jié)構(gòu)及算法原理,分析標(biāo)準(zhǔn)及改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的尋優(yōu)能力和預(yù)測精度,提出PCA優(yōu)化BP神經(jīng)網(wǎng)絡(luò)故障診斷的方法,并將正常及6種故障模式下的柴油機(jī)數(shù)據(jù)進(jìn)行故障模式識別驗(yàn)證。結(jié)果表明,采用PCA簡化了BP神經(jīng)網(wǎng)絡(luò)的模型結(jié)構(gòu),提高了故障診斷的效率,并且具有較高的識別精度。
【學(xué)位授予單位】：武漢理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：U672
【圖文】：

圖 2-2 柴油機(jī)模型的整體結(jié)構(gòu)如圖 2-2 所示，每一個封裝模塊都可以雙擊打開，便于輸入環(huán)境條件和柴油機(jī)的各子模塊的相關(guān)參數(shù)等。通過圖 2-2 還可以很直觀的看出每個模塊之間的關(guān)系及數(shù)據(jù)傳輸、反饋，并將運(yùn)行數(shù)據(jù)存儲到 Workspace 中，也可以在 Scope 中觀察數(shù)據(jù)的變化趨勢。該模型將壓氣機(jī)、中冷器、輔助風(fēng)機(jī)和初始環(huán)境參數(shù)封裝在一個模塊中，并根據(jù) 2.1 節(jié)中的相關(guān)數(shù)學(xué)模型公式進(jìn)行搭建。調(diào)速器通過設(shè)定轉(zhuǎn)速setN 與柴油機(jī)的實(shí)際轉(zhuǎn)速eN 的偏差輸出命令信號驅(qū)動油門桿調(diào)節(jié)高壓油泵的齒條位置Fr 對噴油量進(jìn)行控制，從而對柴油機(jī)的轉(zhuǎn)速進(jìn)行調(diào)節(jié)。螺旋槳系統(tǒng)用來對柴油機(jī)的負(fù)載進(jìn)行模擬，包括螺旋槳模塊和柴油機(jī)軸系模塊。另外，柴油機(jī)的氣缸模塊也嵌套了多個子模塊，并且多個子模塊之間的關(guān)系較為復(fù)雜。模型中的氣缸、排氣管和掃氣箱都可以看作為控制容積，如果考慮工質(zhì)的積累，可以根據(jù)開式熱力系統(tǒng)對其進(jìn)行建模。在所有的仿真模型中，柴油機(jī)氣缸模型最為復(fù)雜，如圖 2-3 所示。該仿真模型將 7K98MC 型柴油機(jī)的 7 個氣缸模型都封裝在一起，并且將每個缸的輸出相疊加輸出到柴油機(jī)相對應(yīng)的每個模塊中進(jìn)行計算。

圖 2-3 柴油機(jī)多缸仿真模型柴油機(jī)的單個氣缸模塊如圖 2-4 所示，每一個氣缸模塊都包括掃氣口（左上部分）、排氣閥（左下部分）、氣缸、三個系統(tǒng)模型。其中，掃氣口以掃氣箱出口的新鮮空氣的熱力學(xué)狀態(tài)為輸入，排氣閥以排氣管出口的廢氣的熱力學(xué)狀態(tài)為輸入，并且這兩個模塊都按照一維等熵絕熱過程進(jìn)行建模，兩者都是根據(jù)氣缸的曲柄轉(zhuǎn)角 CA_cyl 進(jìn)行開啟和關(guān)閉動作。柴油機(jī)的氣缸模型較為復(fù)雜，柴油機(jī)的每個氣缸按照各氣缸的發(fā)火順序進(jìn)行工作，氣缸發(fā)火間隔為 360/7deg。本模型將柴油機(jī)的工作過程分為兩個使能子系統(tǒng)，子系統(tǒng) 1 主要計算柴油機(jī)的壓縮、燃燒、膨脹和自由排氣階段過程，子系統(tǒng) 2 主要計算柴油機(jī)的掃氣過程，兩個子系統(tǒng)的觸發(fā)用“iscav”進(jìn)行判斷，并且缸內(nèi)的熱力參數(shù)結(jié)果由 Switch 進(jìn)行切換選取�！癷open”用來判斷氣缸處于開式系統(tǒng)還是閉式系統(tǒng)。在氣缸中，包括較多的參數(shù)輸入，如氣缸參數(shù)、氣缸的初始環(huán)境參數(shù)、柴油機(jī)的參數(shù)及用于計算氣缸扭矩的摩擦參數(shù)等；并且，缸內(nèi)涉及多個模型的計算，如燃燒模型、傳熱模型、氣缸扭矩模型及噴油定時模型等。

柴油機(jī)缸內(nèi)仿真模型

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 任仁良;袁鵬;;航空鋰電池故障檢測與診斷[J];電源技術(shù);2018年12期

2 張京;;故障檢測技術(shù)在電子電路的研究[J];通訊世界;2017年03期

3 馮珊珊;;芻議數(shù)字電路在線故障檢測技術(shù)[J];信息通信;2015年12期

4 郭瞻;洪超;;在《汽車故障檢測與維修》中應(yīng)用思維導(dǎo)圖教學(xué)法的研究[J];科技風(fēng);2016年08期

5 李景林;;大數(shù)據(jù)環(huán)境下的網(wǎng)格動態(tài)故障檢測研究[J];計算機(jī)應(yīng)用與軟件;2016年06期

6 劉杰;;關(guān)于暖通空調(diào)系統(tǒng)故障檢測與診斷技術(shù)研究進(jìn)展[J];企業(yè)導(dǎo)報;2016年19期

7 王毅敏;;基于高服務(wù)質(zhì)量的云網(wǎng)絡(luò)故障檢測方案分析[J];信息通信;2015年10期

8 黃曉桃;;電子電路故障檢測技術(shù)與方法[J];數(shù)碼世界;2017年08期

9 韓琦;魏東;曹勇;;暖通空調(diào)系統(tǒng)故障檢測與診斷技術(shù)研究進(jìn)展[J];暖通空調(diào);2014年03期

10 侯燕;;基于神經(jīng)網(wǎng)絡(luò)的計算機(jī)網(wǎng)絡(luò)故障檢測[J];煤炭技術(shù);2012年04期

相關(guān)會議論文 前10條

1 趙琦;周東華;;閉環(huán)系統(tǒng)的小故障檢測與分離方法[A];第十九屆中國控制會議論文集（二）[C];2000年

2 徐子偉;張陳斌;陳宗海;;基于數(shù)據(jù)驅(qū)動的故障檢測和診斷方法概述[A];系統(tǒng)仿真技術(shù)及其應(yīng)用（第16卷）[C];2015年

3 魏運(yùn)鵬;;紅外檢測技術(shù)在梅鋼設(shè)備熱故障檢測中的應(yīng)用[A];中國計量協(xié)會冶金分會2009年年會論文集[C];2009年

4 紀(jì)志成;蘇曉丹;;一類線性時變系統(tǒng)的故障檢測和分析方法研究[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

5 李福明;段廣仁;;一種魯棒故障檢測與分離的參數(shù)化方法[A];第16屆中國過程控制學(xué)術(shù)年會暨第4屆全國故障診斷與安全性學(xué)術(shù)會議論文集[C];2005年

6 周東華;;一種工業(yè)異步電機(jī)的在線故障檢測與診斷新方法[A];1994年中國控制會議論文集[C];1994年

7 王委斌;;牽引電機(jī)狀態(tài)修及故障檢測[A];2005年鐵道牽引動力學(xué)術(shù)年會論文集[C];2005年

8 葛彤;鄧建華;;復(fù)雜動態(tài)系統(tǒng)故障檢測與診斷的層次遞進(jìn)方法[A];1996中國控制與決策學(xué)術(shù)年會論文集[C];1996年

9 魏晨;陳宗基;;非線性系統(tǒng)的魯棒故障檢測與診斷[A];第十九屆中國控制會議論文集（二）[C];2000年

10 王洪江;孫保民;田進(jìn)步;;一種圖形化的故障檢測和診斷方法[A];全國第19屆計算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集（上冊）[C];2008年

相關(guān)重要報紙文章 前10條

1 上海 徐亞東;ADSL故障檢測利器[N];電腦報;2004年

2 王政;湖北移動網(wǎng)絡(luò)故障檢測能力成倍提升[N];人民郵電;2015年

3 陳代壽;BFD高速路由故障檢測[N];中國計算機(jī)報;2005年

4 記者 薛貴寶　通訊員 桂九宏;假故障檢測“大車”真功夫[N];人民鐵道;2009年

5 海南 李平勝;電腦花樣縫紉機(jī)漏氣故障檢測1例[N];電子報;2016年

6 成都 史為 編譯;有線電視用戶線故障檢測法[N];電子報;2013年

7 暴青雨　本報特約通訊員 趙彥斌;為了戰(zhàn)時能打贏[N];解放軍報;2011年

8 宇航智控;預(yù)測與健康管理(PHM)技術(shù)[N];中國航空報;2018年

9 吉林 孫德印;飛利浦20GX8552/57R彩電保護(hù)電路原理與故障檢測[N];電子報;2009年

10 遲中基;亟待建立手機(jī)故障檢測鑒定機(jī)構(gòu)[N];中國消費(fèi)者報;2004年

相關(guān)博士學(xué)位論文 前10條

1 周萌;基于多目標(biāo)觀測器設(shè)計的故障檢測與分離[D];哈爾濱工業(yè)大學(xué);2018年

2 王艷芹;網(wǎng)絡(luò)環(huán)境下離散隨機(jī)系統(tǒng)故障檢測及應(yīng)用研究[D];東北石油大學(xué);2017年

3 王世林;基于多元統(tǒng)計分析的工業(yè)過程故障檢測研究[D];華北電力大學(xué)(北京);2018年

4 段超群;基于退化特征的隱狀態(tài)裝備故障檢測策略優(yōu)化及健康預(yù)測[D];華中科技大學(xué);2018年

5 蔣立;基于自編碼器模型的非線性過程監(jiān)測[D];浙江大學(xué);2018年

6 潘怡君;基于魯棒主元分析方法的大型高爐故障檢測研究[D];浙江大學(xué);2018年

7 宋凱;基于PLS的統(tǒng)計質(zhì)量監(jiān)控研究與應(yīng)用[D];浙江大學(xué);2005年

8 王紅茹;動態(tài)系統(tǒng)的魯棒故障檢測與分離方法研究[D];哈爾濱工業(yè)大學(xué);2006年

9 朱張青;動態(tài)系統(tǒng)的魯棒故障檢測與診斷技術(shù)[D];南京理工大學(xué);2005年

10 呂明;網(wǎng)絡(luò)控制系統(tǒng)的故障檢測與診斷[D];南京理工大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 胡昭中;回轉(zhuǎn)窯主要故障檢測中的信號處理研究[D];武漢理工大學(xué);2018年

2 唐新飛;船用柴油機(jī)故障檢測與診斷方法研究[D];武漢理工大學(xué);2018年

3 易維淋;基于極限學(xué)習(xí)機(jī)的工業(yè)過程故障檢測與診斷方法研究[D];中國石油大學(xué)(華東);2017年

4 吳婷;減震器測試系統(tǒng)的控制與故障檢測[D];中國石油大學(xué)(華東);2017年

5 周劍飛;基于深度學(xué)習(xí)的設(shè)備異常檢測方法研究[D];北方工業(yè)大學(xué);2019年

6 梁雨簫;變風(fēng)量空調(diào)系統(tǒng)空氣處理機(jī)組故障檢測與診斷[D];長安大學(xué);2018年

7 欒悅yN;帶補(bǔ)償電容器的停電線路有源故障檢測技術(shù)[D];山東大學(xué);2018年

8 張木柳;基于航拍圖像的輸電線路關(guān)鍵部件識別與故障檢測[D];華北電力大學(xué);2018年

9 王云濤;基于運(yùn)動學(xué)輔助的行人導(dǎo)航系統(tǒng)關(guān)鍵技術(shù)研究[D];南京師范大學(xué);2018年

10 苗樂飛;面向SDN故障檢測與恢復(fù)的設(shè)計與實(shí)現(xiàn)[D];河南大學(xué);2018年

本文編號：2763747