隨著科學(xué)技術(shù)的發(fā)展,汽車發(fā)動(dòng)機(jī)結(jié)構(gòu)越來越復(fù)雜,但其故障診斷技術(shù)卻遠(yuǎn)遠(yuǎn)落后于汽車技術(shù)的發(fā)展,尤其軍用車輛柴油發(fā)動(dòng)機(jī)機(jī)械故障診斷離實(shí)用要求有更大的距離,為了提高軍用車輛保障能力,目前急需研究一套高效、準(zhǔn)確的汽車發(fā)動(dòng)機(jī)診斷系統(tǒng)。本論文以東風(fēng)EQ2102汽車6BT5.9型柴油發(fā)動(dòng)機(jī)為研究對(duì)象,簡(jiǎn)單介紹了柴油發(fā)動(dòng)機(jī)機(jī)械故障機(jī)理,分析了柴油發(fā)動(dòng)機(jī)故障診斷的研究現(xiàn)狀及發(fā)展趨勢(shì);針對(duì)柴油發(fā)動(dòng)機(jī)機(jī)械故障,采用振動(dòng)診斷法,設(shè)計(jì)了發(fā)動(dòng)機(jī)機(jī)體加速振動(dòng)信號(hào)的測(cè)量方案,采用小波分形、小波包AR譜、雙譜等技術(shù)對(duì)發(fā)動(dòng)機(jī)振動(dòng)信號(hào)進(jìn)行處理,提取出典型故障的特征參數(shù),并利用粗糙集理論進(jìn)行了數(shù)據(jù)挖掘,提取關(guān)鍵診斷參數(shù),剔除干擾信號(hào);最后用蟻群算法優(yōu)化神經(jīng)網(wǎng)絡(luò),設(shè)計(jì)出了軍用車輛發(fā)動(dòng)機(jī)故障診斷系統(tǒng)。通過分析和研究,得出如下結(jié)論:柴油發(fā)動(dòng)機(jī)機(jī)體表面的振動(dòng)信號(hào)隱含著大量的故障信息,可以通過對(duì)其分析實(shí)現(xiàn)對(duì)發(fā)動(dòng)機(jī)故障診斷;小波變換對(duì)原始信號(hào)分解后,對(duì)特定層重構(gòu)成時(shí)域信號(hào),計(jì)算分形維數(shù),能夠敏感地反映故障部位的特征;加速狀態(tài)下的振動(dòng)信號(hào)經(jīng)小波包AR譜處理后,分段計(jì)算頻段累加能量,可發(fā)現(xiàn)特定頻段能量值與對(duì)應(yīng)技術(shù)狀態(tài)成比例關(guān)系,可作為特征參數(shù)...

【文章頁(yè)數(shù)】：102 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 論文研究的背景和意義
        1.1.1 論文研究的背景
        1.1.2 論文研究的意義
    1.2 汽車發(fā)動(dòng)機(jī)故障診斷研究現(xiàn)狀及發(fā)展趨勢(shì)
        1.2.1 發(fā)動(dòng)機(jī)故障信號(hào)的獲取方法
        1.2.2 發(fā)動(dòng)機(jī)信號(hào)處理和故障特征的提取方法
        1.2.3 發(fā)動(dòng)機(jī)故障模式識(shí)別技術(shù)
        1.2.4 發(fā)動(dòng)機(jī)故障診斷技術(shù)的發(fā)展趨勢(shì)
    1.3 論文的組織與結(jié)構(gòu)安排
第二章 車輛發(fā)動(dòng)機(jī)機(jī)械故障及振動(dòng)信號(hào)的測(cè)量
    2.1 引言
    2.2 發(fā)動(dòng)機(jī)的基本結(jié)構(gòu)及常見故障
        2.2.1 發(fā)動(dòng)機(jī)的基本結(jié)構(gòu)
        2.2.2 發(fā)動(dòng)機(jī)常見故障
    2.3 發(fā)動(dòng)機(jī)振動(dòng)信號(hào)的測(cè)量
        2.3.1 選擇測(cè)試位置
        2.3.2 選擇測(cè)試轉(zhuǎn)速
        2.3.3 診斷對(duì)象技術(shù)狀況設(shè)定
        2.3.4 定轉(zhuǎn)速非穩(wěn)態(tài)信號(hào)測(cè)試系統(tǒng)的組成
        2.3.5 定轉(zhuǎn)速非穩(wěn)態(tài)信號(hào)測(cè)量及信號(hào)的幅域分析
    2.4 小結(jié)
第三章 基于小波分形技術(shù)提取發(fā)動(dòng)機(jī)振動(dòng)信號(hào)故障特征
    3.1 引言
    3.2 小波分析基本理論
        3.2.1 小波變換的發(fā)展
        3.2.2 連續(xù)小波變換
        3.2.3 離散二進(jìn)小波變換
    3.3 分形基本理論
        3.3.1 分形的定義和性質(zhì)
        3.3.2 網(wǎng)格維數(shù)的計(jì)算方法
        3.3.3 網(wǎng)格維數(shù)的仿真計(jì)算[68]
    3.4 基于小波分形技術(shù)提取發(fā)動(dòng)機(jī)故障特征
        3.4.1 小波分形技術(shù)的基本思想
        3.4.2 利用小波分形提取故障特征
        3.4.3 計(jì)算結(jié)果分析
    3.5 小結(jié)
第四章 基于小波包AR譜提取發(fā)動(dòng)機(jī)振動(dòng)信號(hào)故障特征
    4.1 引言
    4.2 小波包分解與重構(gòu)算法
    4.3 AR譜估計(jì)
    4.4 小波包AR譜提取特征過程
        4.4.1 小波包分解
        4.4.2 分頻段重構(gòu)時(shí)域信號(hào)
        4.4.3 AR譜分析
    4.5 基于小波包AR譜提取發(fā)動(dòng)機(jī)故障特征
        4.5.1 利用小波包AR譜分析發(fā)動(dòng)機(jī)振動(dòng)信號(hào)
        4.5.2 發(fā)動(dòng)機(jī)振動(dòng)信號(hào)小波包AR譜特征提取
        4.5.3 分析結(jié)果討論
    4.6 小結(jié)
第五章：基于雙譜理論提取發(fā)動(dòng)機(jī)振動(dòng)信號(hào)故障特征
    5.1 引言
    5.2 高階譜基本理論
        5.2.1 累積量與高階譜定義
        5.2.2 高階譜的性質(zhì)[70]
    5.3 基于非參數(shù)的雙譜估計(jì)
    5.4 基于雙譜理論提取發(fā)動(dòng)機(jī)振動(dòng)信號(hào)故障特征
    5.5 小結(jié)
第六章 基于粗糙集理論提取發(fā)動(dòng)機(jī)振動(dòng)信號(hào)故障特征
    6.1 引言
    6.2 粗糙集理論的基本概念
        6.2.1 知識(shí)的概念與決策系統(tǒng)
        6.2.2 不可分辨關(guān)系
        6.2.3 粗糙集的上近似、下近似、邊界區(qū)和近似精度
        6.2.4 屬性約簡(jiǎn)
        6.2.5 粗糙集特點(diǎn)
    6.3 基于粗糙集理論的發(fā)動(dòng)機(jī)故障特征提取
        6.3.1 信號(hào)處理與產(chǎn)生決策表
        6.3.2 計(jì)算屬性對(duì)決策近似精度
    6.4 小結(jié)
第七章 基于蟻群神經(jīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)故障診斷系統(tǒng)研究
    7.1 引言
    7.2 人工神經(jīng)網(wǎng)絡(luò)
        7.2.1 人工神經(jīng)網(wǎng)絡(luò)基本原理
        7.2.2 人工神經(jīng)網(wǎng)絡(luò)的主要學(xué)習(xí)算法
    7.3 蟻群算法的基本理論
        7.3.1“雙橋”實(shí)驗(yàn)
        7.3.2 蟻群算法的生物原理
        7.3.3 蟻群算法的本質(zhì)
        7.3.4 蟻群算法的應(yīng)用及展望
    7.4 蟻群優(yōu)化算法與神經(jīng)網(wǎng)絡(luò)的結(jié)合
        7.4.1 蟻群算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的基本思想
        7.4.2 蟻群算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)過程
        7.4.3 蟻群算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的流程圖
    7.5 基于蟻群神經(jīng)網(wǎng)絡(luò)的柴油發(fā)動(dòng)機(jī)機(jī)械故障診斷系統(tǒng)
    7.6 小結(jié)
第八章 結(jié)論與展望
    8.1 論文的主要結(jié)論與創(chuàng)新點(diǎn)
    8.2 需進(jìn)一步解決的工作
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的學(xué)術(shù)成果
致謝



本文編號(hào)：3975985