發(fā)布時間：2017-05-17 11:03

  本文關(guān)鍵詞：基于振動分析的內(nèi)燃機故障診斷研究，由筆耕文化傳播整理發(fā)布。

【摘要】：由于內(nèi)燃機結(jié)構(gòu)復(fù)雜、激勵源眾多等特點,目前尚無一套成熟實用的診斷方法能對內(nèi)燃機進行準確的故障診斷,建立內(nèi)燃機的故障診斷系統(tǒng)是人們努力的方向。 本文主要以振動診斷法為主,在對內(nèi)燃機進行結(jié)構(gòu)和振動特性分析的基礎(chǔ)上,針對內(nèi)燃機表面振動信號的時域、頻域特性和非平穩(wěn)時變特點,通過對實測故障信號和正常信號的對比分析,給出了幾種對內(nèi)燃機診斷行之有效的特征提取方法和故障特征量,如時域分析方法和時域特征量、頻域分析方法和頻域特征量、時頻分析方法和時頻特征量以及小波包特征量。在此過程中,重點對短時傅立葉變換、Wigner-Ville分布和小波變換這三種時頻分析方法進行了分析比較,將他們分別用于內(nèi)燃機失火故障實例的診斷,取得了比較好的效果,證明時頻分析方法在內(nèi)燃機表面振動信號特征提取中具有比傳統(tǒng)的傅立葉頻譜分析更好的特征提取能力。對應(yīng)用于多層前饋神經(jīng)網(wǎng)絡(luò)的BP算法進行了分析研究,并介紹了各種改進算法,采用附加動量項和自適應(yīng)調(diào)整學(xué)習(xí)速率法相結(jié)合的策略,克服了標準BP算法收斂速度慢和易陷入局部極小點的缺點,在此基礎(chǔ)上建立了基于BP神經(jīng)網(wǎng)絡(luò)的內(nèi)燃機故障診斷模型,用實例驗證了該模型的有效性。在綜合運用上述各種方法、理論的基礎(chǔ)上,用Visual C++和MATCOM混合編程方法開發(fā)了一套內(nèi)燃機故障診斷系統(tǒng),并用于生產(chǎn)實際。 本文的研究結(jié)果表明,綜合采用時域、頻域、時頻域和小波包特征量,建立基于BP神經(jīng)網(wǎng)絡(luò)的內(nèi)燃機故障診斷系統(tǒng)是可行的,但是要徹底解決內(nèi)燃機的故障診斷問題,還有許多工作要做,尤其是各種故障的振動機理和非平穩(wěn)信號特征提取的分析研究,最后本文提出了一些有待進一步改進和完善的工作及建議。
【關(guān)鍵詞】：內(nèi)燃機 故障診斷 特征提取 時頻分析 神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2004
【分類號】：TK407
【目錄】：

• 摘 要3-4
• Abstract4-7
• 1 緒論7-15
• 1.1 課題概述7-9
• 1.2 內(nèi)燃機故障診斷國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢9-13
• 1.3 本文所做的工作13-15
• 2 內(nèi)燃機結(jié)構(gòu)及振動特性分析15-24
• 2.1 內(nèi)燃機結(jié)構(gòu)及動力學(xué)特性15-19
• 2.2 內(nèi)燃機振動的激振源及其傳播路徑19-20
• 2.3 內(nèi)燃機表面振動信號特性分析20-23
• 2.4 本章小結(jié)23-24
• 3 內(nèi)燃機振動信號分析及特征提取24-45
• 3.1 振動信號的獲取24-27
• 3.2 振動信號的時域分析27-31
• 3.3 振動信號的頻域分析31-34
• 3.4 振動信號的時－頻域分析34-40
• 3.5 振動信號的小波包分析40-43
• 3.6 本章小結(jié)43-45
• 4 人工神經(jīng)網(wǎng)絡(luò)方法45-56
• 4.1 多階層神經(jīng)網(wǎng)絡(luò)與BP算法45
• 4.2 BP網(wǎng)絡(luò)學(xué)習(xí)算法45-46
• 4.3 BP算法數(shù)學(xué)原理46-48
• 4.4 BP算法的改進算法及其實現(xiàn)48-52
• 4.5 基于BP神經(jīng)網(wǎng)絡(luò)的內(nèi)燃機故障診斷52-55
• 4.6 本章小結(jié)55-56
• 5 內(nèi)燃機故障診斷系統(tǒng)簡介56-62
• 5.1 內(nèi)燃機技術(shù)參數(shù)56
• 5.2 硬件系統(tǒng)56-57
• 5.3 軟件系統(tǒng)57-60
• 5.4 故障模擬實驗60-61
• 5.5 本章小結(jié)61-62
• 6 總結(jié)與展望62-64
• 6.1 總結(jié)62-63
• 6.2 展望63-64
• 致 謝64-65
• 參考文獻65-68
• 附錄1 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文68-69
• 附錄2 項目驗收意見69-70

【引證文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 王裕鵬;趙龍慶;張華偉;;基于小波改進閾值消噪的缸蓋振動信號分析[J];柴油機;2007年05期

2 趙龍慶;王裕鵬;;基于小波包分析和神經(jīng)網(wǎng)絡(luò)柴油機故障診斷研究[J];小型內(nèi)燃機與摩托車;2009年03期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 余永華;船舶柴油機瞬時轉(zhuǎn)速和熱力參數(shù)監(jiān)測診斷技術(shù)研究[D];武漢理工大學(xué);2007年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 潘麗娜;微型汽車發(fā)動機臺架試驗實時監(jiān)測及預(yù)警系統(tǒng)研究[D];武漢理工大學(xué);2010年

2 王秋勤;基于概率神經(jīng)網(wǎng)絡(luò)的發(fā)動機故障診斷研究[D];西南林業(yè)大學(xué);2010年

3 高超;基于ZigBee協(xié)議的生產(chǎn)溫度監(jiān)控系統(tǒng)設(shè)計[D];上海交通大學(xué);2012年

4 王晉;基于粒子濾波信號處理的柴油機故障診斷[D];中北大學(xué);2012年

5 陳迎春;汽車發(fā)動機噪聲測試及心理聲學(xué)評價系統(tǒng)研究[D];遼寧工學(xué)院;2007年

6 屈峰;汽車發(fā)動機故障診斷方法研究[D];大慶石油學(xué)院;2007年

7 王裕鵬;基于小波分析和神經(jīng)網(wǎng)絡(luò)的動力機械故障診斷研究[D];西南林學(xué)院;2007年

8 李敏哲;基于神經(jīng)網(wǎng)絡(luò)的液壓動力系統(tǒng)多源診斷信息融合方法研究[D];西安建筑科技大學(xué);2008年

9 匡劍;內(nèi)燃機故障診斷數(shù)據(jù)采集與處理系統(tǒng)開發(fā)[D];西南交通大學(xué);2008年

10 陳浩;柴油機燃用生物柴油的性能與排放特性研究[D];華中農(nóng)業(yè)大學(xué);2008年

  本文關(guān)鍵詞：基于振動分析的內(nèi)燃機故障診斷研究，，由筆耕文化傳播整理發(fā)布。

本文編號：373210