本文關(guān)鍵詞：基于經(jīng)驗?zāi)B(tài)分解與小波閾值降噪結(jié)合的柴油機(jī)故障診斷，由筆耕文化傳播整理發(fā)布。

【摘要】：柴油機(jī)是熱效率較高并且在工農(nóng)業(yè)、交通運(yùn)輸、國防領(lǐng)域內(nèi)應(yīng)用最廣泛的熱力發(fā)動機(jī)。柴油機(jī)一旦某一部分或者某一環(huán)節(jié)發(fā)生了故障，會直接或間接造成重大的經(jīng)濟(jì)損失，甚至危及生命安全。因此，對柴油機(jī)的故障診斷技術(shù)研究向來是人們潛心研究的一大難題。本文對基于經(jīng)驗?zāi)B(tài)分解與小波閾值降噪結(jié)合的柴油機(jī)故障診斷作了深入的研究。 在深入學(xué)習(xí)和研究柴油機(jī)的原理和構(gòu)造、柴油機(jī)故障類型和機(jī)理的基礎(chǔ)后，確定振動數(shù)據(jù)采集方案并且利用實驗裝置采集了柴油機(jī)在不同故障條件下的振動信號。在深入理解振動信號特性基礎(chǔ)上，對比了小波和傅里葉對波形分析的效果，對比了幾種小波降噪的效果。本文研究了經(jīng)驗?zāi)B(tài)分解方法，并將其與小波閾值相結(jié)合同時對波形處理前后效果和參數(shù)進(jìn)行了對比，也對選取不同分解層的效果進(jìn)行了最優(yōu)選擇的研究，意在充分挖掘出原始信號中的特征信息。同時提出對相對能量法提取的特征值用可變精度粗糙集對其進(jìn)行優(yōu)化以實現(xiàn)柴油機(jī)診斷的高效性。最后，研究了BP和RBF兩種網(wǎng)絡(luò)在柴油機(jī)故障識別中的應(yīng)用，從而提出一條最優(yōu)方案其思路，如下： 首先，，利用經(jīng)驗?zāi)B(tài)分解和小波閾值降噪結(jié)合的相關(guān)理論對柴油機(jī)在1800rpm，測點(diǎn)14，正常、斷油、漏油、供油提前角增大、空氣濾清器堵塞五種工況的振動信號進(jìn)行提取了信息豐富的IMF分量，并對其進(jìn)行了閾值降噪之后提取相關(guān)特征值；其次，利用可變精度粗糙集解決了特征參數(shù)的不完備、冗余、相互矛盾，實現(xiàn)特征參量的優(yōu)化，實現(xiàn)了在不丟失信息量情況下，用少量屬性值，就可以有效對柴油機(jī)進(jìn)行故障診斷；最后，應(yīng)用具有優(yōu)越性的徑向基函數(shù)（RBF）神經(jīng)網(wǎng)絡(luò)進(jìn)行診斷。
【關(guān)鍵詞】：柴油機(jī) 經(jīng)驗?zāi)B(tài)分解 小波閾值降噪 可變精度粗糙集 人工神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：中北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TK428
【目錄】：

• 摘要4-5
• Abstract5-10
• 1 緒論10-20
• 1.1 課題研究的背景和意義10-12
• 1.1.1 課題研究的背景10-11
• 1.1.2 課題研究的意義11-12
• 1.2 柴油機(jī)故障判斷12-16
• 1.2.1 柴油機(jī)故障產(chǎn)生原因12-14
• 1.2.2 柴油機(jī)故障特征14
• 1.2.3 柴油機(jī)故障分類及主要故障模式14-16
• 1.3 柴油機(jī)故障診斷研究分類及國內(nèi)外研究現(xiàn)狀16-18
• 1.3.1 基于性能參數(shù)的柴油機(jī)狀態(tài)監(jiān)測16
• 1.3.2 基于油液分析的柴油機(jī)故障診斷16-17
• 1.3.3 基于振聲的柴油機(jī)故障診斷17-18
• 1.4 柴油機(jī)故障診斷研究趨勢18
• 1.5 本文的結(jié)構(gòu)18-20
• 2 柴油機(jī)故障類型及故障分析20-36
• 2.1 柴油機(jī)的結(jié)構(gòu)及工作原理20-24
• 2.1.1 柴油機(jī)的基本結(jié)構(gòu)20-22
• 2.1.2 柴油機(jī)的工作原理22-24
• 2.2 柴油機(jī)振動信號采集實驗24-27
• 2.2.1 實驗平臺的搭建24-25
• 2.2.2 實驗的準(zhǔn)備25-27
• 2.2.3 實驗步驟27
• 2.3 信號分析27-32
• 2.3.1 信號的幅域分析28-29
• 2.3.2 信號的時域分析29-30
• 2.3.3 信號的頻域分析30-32
• 2.4 信號特征分析32-35
• 2.5 本章小結(jié)35-36
• 3 柴油機(jī)信號去噪處理36-59
• 3.1 小波分析36-45
• 3.1.1 小波理論36-38
• 3.1.2 小波在信號降噪中的應(yīng)用38-39
• 3.1.3 小波降噪的對比39-45
• 3.2 經(jīng)驗?zāi)B(tài)分解（EMD）45-58
• 3.2.1 經(jīng)驗?zāi)B(tài)分解（EMD）的基本理論45-46
• 3.2.2 經(jīng)驗?zāi)B(tài)分解（EMD）的過程46-48
• 3.2.3 經(jīng)驗?zāi)B(tài)分解（EMD）端點(diǎn)效應(yīng)處理48-51
• 3.2.4 EMD 在信號中的應(yīng)用51-54
• 3.2.5 經(jīng)驗?zāi)B(tài)分解（EMD）與小波（閾值）降噪結(jié)合54-58
• 3.3 本章小結(jié)58-59
• 4 信號特征值的提取與優(yōu)化59-67
• 4.1 振動信號特征值的提取59-61
• 4.2 可變精度粗糙集61-65
• 4.2.1 可變精度粗糙集理論61-62
• 4.2.2 可變精度粗糙集模型62-63
• 4.2.3 可變精度粗糙集處理數(shù)據(jù)的過程63-65
• 4.3 特征值數(shù)據(jù)處理的結(jié)果65-66
• 4.4 本章小結(jié)66-67
• 5 基于神經(jīng)網(wǎng)絡(luò)的故障識別67-79
• 5.1 BP 網(wǎng)絡(luò)67-74
• 5.1.1 BP 網(wǎng)絡(luò)結(jié)構(gòu)67-68
• 5.1.2 BP 網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則68-69
• 5.1.3 基于 BP 網(wǎng)絡(luò)的故障診斷69-74
• 5.2 RBF 網(wǎng)絡(luò)74-78
• 5.2.1 RBF 網(wǎng)絡(luò)結(jié)構(gòu)74-75
• 5.2.2 RBF 網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則75-76
• 5.2.3 基于 RBF 網(wǎng)絡(luò)的故障診斷76-78
• 5.3 兩種網(wǎng)絡(luò)訓(xùn)練結(jié)果的對比78
• 5.4 本章小結(jié)78-79
• 總結(jié)與展望79-80
• 參考文獻(xiàn)80-85
• 攻讀碩士期間發(fā)表的論文及所取得的研究成果85-86
• 致謝86-87

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 杜修力;何立志;侯偉;;基于經(jīng)驗?zāi)B(tài)分解(EMD)的小波閾值除噪方法[J];北京工業(yè)大學(xué)學(xué)報;2007年03期

2 朱來東;廉小親;江遠(yuǎn)志;;小波變換在信號降噪中的應(yīng)用及MATLAB實現(xiàn)[J];北京工商大學(xué)學(xué)報(自然科學(xué)版);2009年02期

3 劉衛(wèi)兵;李志農(nóng);蔣靜;;基于局域均值分解的滾動軸承故障診斷方法[J];軸承;2009年09期

4 曹龍漢,曹長修,孫穎楷,景有泉,郭振;柴油機(jī)故障診斷技術(shù)的現(xiàn)狀及展望[J];重慶大學(xué)學(xué)報(自然科學(xué)版);2001年06期

5 毛健;趙紅東;姚婧婧;;人工神經(jīng)網(wǎng)絡(luò)的發(fā)展及應(yīng)用[J];電子設(shè)計工程;2011年24期

6 盧志美;曹熙武;梁進(jìn)奕;覃神全;;柴油機(jī)智能故障診斷技術(shù)及其發(fā)展趨勢[J];裝備制造技術(shù);2010年01期

7 李保霖;趙建川;藺文彬;;小波分析在信號降噪中的應(yīng)用[J];電子設(shè)計工程;2013年09期

8 楊超;李亦滔;;機(jī)械設(shè)備故障智能診斷技術(shù)的現(xiàn)狀與發(fā)展[J];華東交通大學(xué)學(xué)報;2011年05期

9 周開明;蘇振波;陳鵬;;基于經(jīng)驗?zāi)B(tài)分解的去噪方法研究[J];江漢石油科技;2011年01期

10 王建國;王孝通;徐曉剛;;經(jīng)驗?zāi)Ｊ椒纸饧捌鋺?yīng)用研究[J];計算機(jī)工程與應(yīng)用;2010年04期

  本文關(guān)鍵詞：基于經(jīng)驗?zāi)B(tài)分解與小波閾值降噪結(jié)合的柴油機(jī)故障診斷，由筆耕文化傳播整理發(fā)布。

本文編號：340301