柴油發(fā)動機(jī)作為機(jī)械動力的核心,對其進(jìn)行狀態(tài)監(jiān)測并提供故障預(yù)測具有重大意義。但機(jī)體組成復(fù)雜,工作機(jī)理涉及眾多領(lǐng)域,使得對柴油發(fā)動機(jī)進(jìn)行故障診斷時難以獲得有效且準(zhǔn)確的故障特征。針對柴油發(fā)動機(jī)故障特征難以提取,故障部位與故障特征之間沒有明確關(guān)系以及故障難以定位等問題,本文以某柴油發(fā)動機(jī)為研究對象,進(jìn)行了柴油發(fā)動機(jī)典型故障預(yù)警系統(tǒng)研究設(shè)計(jì)工作,內(nèi)容如下:（1）針對柴油發(fā)動機(jī)工作時轉(zhuǎn)速非恒定而導(dǎo)致無法準(zhǔn)確采集機(jī)體振動信號的問題,設(shè)計(jì)了定轉(zhuǎn)速信號采集系統(tǒng),通過限制條件觸發(fā)采樣過程并利用調(diào)理電路對采樣信號進(jìn)行處理,成功獲得穩(wěn)定的振動信號。（2）提出將基于經(jīng)驗(yàn)?zāi)B(tài)分解（EMD）與時間序列模型（AR）相結(jié)合的方法,通過EMD-AR方法對原始振動信號進(jìn)行特征提取。（3）融合模糊算法與神經(jīng)網(wǎng)絡(luò),建立集成模糊神經(jīng)網(wǎng)絡(luò)（FNN）系統(tǒng)并改進(jìn)Takagi-Sugeno模型,用于柴油發(fā)動機(jī)故障診斷,有效解決診斷過程中存在的模糊性及定位難等問題。（4）設(shè)計(jì)了柴油發(fā)動機(jī)典型故障預(yù)警系統(tǒng),將前述研究方法作為子模塊成功嵌入預(yù)警系統(tǒng)中,實(shí)現(xiàn)故障診斷功能,驗(yàn)證方法的有效性。 

【文章來源】：江蘇科技大學(xué)江蘇省

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【部分圖文】：

數(shù)據(jù)采集系統(tǒng)基本結(jié)構(gòu)

圖 2.3 采樣過程Fig.2.3 Sampling process可以看到，采樣后信號的寬度變窄，而此過程同時也需要一定的時間來完成，如果在此期間輸入信號穩(wěn)定，則可確保轉(zhuǎn)換的準(zhǔn)確性。保持電路執(zhí)行該功能，其與采樣電路一起形成采樣/保持電路。設(shè)有連續(xù)信號 驈 媰，若其頻帶寬度是有限的，要想使采樣后信號 驈 媰能夠不失真地還原出原信號 ，則采樣頻率必須大于或等于該信號最高頻率的兩倍，這就是采樣定理。其中信號進(jìn)行傅里葉變換后對應(yīng)的最高頻率稱為截止頻率，又稱為奈奎斯特頻率。簡單來說，采樣定理指出，對連續(xù)信號進(jìn)行采樣的采樣頻率應(yīng)該至少是該信號截止頻率的 2 倍，才能保證不發(fā)生頻率混疊現(xiàn)象。2.A/D 轉(zhuǎn)換器工作原理[29]脈沖信號在轉(zhuǎn)化為數(shù)字信號的過程中，需要對其進(jìn)行量化和編碼。量化的過程是一個代替的過程，即用采樣信號幅值的最小量化單位倍數(shù)來代替該信號的幅值，定義為量化器滿量程電壓（FSR）與 的比值，用 q 表示：=

這樣就可以依據(jù)振動特征甄別故障的發(fā)生。鑒于此，首先需要設(shè)計(jì)非態(tài)信號的數(shù)據(jù)采集系統(tǒng)。由于非穩(wěn)態(tài)振動信號的特殊性，系統(tǒng)在設(shè)計(jì)時要特別解決下述難題：（1）選擇合適的振動信號，確保該信號能夠準(zhǔn)確的表征一定的故障狀態(tài)，也就要求傳感器的頻響特性可以覆蓋振動信號的整個頻率范圍、傳感器的安裝位置要合適采集系統(tǒng)的采樣頻率選取要合適，采樣樣本要足夠長；采集的初始條件，即啟動采的觸發(fā)轉(zhuǎn)速要合適等。（2）保證數(shù)據(jù)采集系統(tǒng)初始條件不變的情況下，多次重復(fù)采集的數(shù)據(jù)具有一定重復(fù)性和穩(wěn)定性2.3.1 振動監(jiān)測模塊振動監(jiān)測模塊是柴油機(jī)典型故障預(yù)警裝置振動監(jiān)測的核心元件。根據(jù)實(shí)際信號道類型，振動監(jiān)測模塊需要接入加速度振動信號、瞬時轉(zhuǎn)速信號與鍵相信號，共計(jì) 個通道可供使用，滿足實(shí)際柴油機(jī)典型故障預(yù)警裝置需要。

【參考文獻(xiàn)】：
期刊論文
[1]基于EMD和小波包能量法的信號去噪[J]. 趙超,楊慶東.  北京信息科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(01)
[2]基于振動信號的發(fā)動機(jī)綜合故障診斷[J]. 丁雷,曾銳利,梅檢民.  軍事交通學(xué)院學(xué)報(bào). 2019(01)
[3]基于EMD和近似熵的大型觀纜車滾動軸承聲發(fā)射信號故障診斷[J]. 金榕舜,沈功田,王強(qiáng),張君嬌.  中國計(jì)量大學(xué)學(xué)報(bào). 2018(04)
[4]Sugeno型模糊復(fù)集值積分在分類器融合中的應(yīng)用探析[J]. 馬生全,彭德軍,趙志青,沈君.  模糊系統(tǒng)與數(shù)學(xué). 2018(06)
[5]基于異響信號的故障診斷技術(shù)現(xiàn)狀與展望[J]. 殷希梅,王昱翔.  電聲技術(shù). 2018(12)
[6]基于神經(jīng)網(wǎng)絡(luò)的柴油發(fā)動機(jī)的故障診斷[J]. 宋娟,蒙曄.  工業(yè)控制計(jì)算機(jī). 2018(11)
[7]基于EMD-SVD和SVM的柴油機(jī)氣門故障診斷[J]. 曾榮,曾銳利,丁雷.  軍事交通學(xué)院學(xué)報(bào). 2018(10)
[8]基于Takagi-Sugeno模糊模型的分?jǐn)?shù)階混沌系統(tǒng)的預(yù)測投影同步[J]. 陳旭,鄭永愛.  信息與控制. 2018(05)
[9]多信息融合技術(shù)在船舶柴油機(jī)故障診斷中的應(yīng)用[J]. 尚前明,王瑞涵,陳輝,唐新飛.  中國航海. 2018(03)
[10]柴油機(jī)時頻圖像雙向二維特征編碼與故障識別[J]. 岳應(yīng)娟,王旭,蔡艷平.  內(nèi)燃機(jī)學(xué)報(bào). 2018(04)

博士論文
[1]基于振動分析的柴油機(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

碩士論文
[1]基于變分模態(tài)分解和隨機(jī)共振的軸承故障自適應(yīng)診斷研究[D]. 張嘉玲.西安理工大學(xué) 2018
[2]基于粗糙集與模糊神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷研究[D]. 張一朦.大連交通大學(xué) 2018
[3]基于以太網(wǎng)接口的信號采集系統(tǒng)設(shè)計(jì)[D]. 王程.南京大學(xué) 2018
[4]基于小波-RBF神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[D]. 王代超.青島理工大學(xué) 2018
[5]基于信息融合的柴油機(jī)故障診斷技術(shù)研究[D]. 李環(huán)宇.大連海事大學(xué) 2017
[6]船用柴油機(jī)典型故障分析與診斷技術(shù)研究[D]. 高偉沖.哈爾濱工程大學(xué) 2016
[7]基于SVD變換和模糊推理的汽輪機(jī)故障診斷專家系統(tǒng)研究[D]. 廖弘毅.華南理工大學(xué) 2015
[8]某型航空發(fā)動機(jī)故障模式分析及診斷系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 尹德好.沈陽航空航天大學(xué) 2014



本文編號：3384097