柴油機(jī)非穩(wěn)態(tài)振動(dòng)信號(hào)分析與智能故障診斷研究.pdf

1、柴油機(jī)作為車(chē)輛的重要?jiǎng)恿偝?對(duì)其進(jìn)行狀態(tài)監(jiān)測(cè)并提供故障預(yù)報(bào)具有重大意義。針對(duì)常規(guī)柴油機(jī)故障診斷采用穩(wěn)態(tài)運(yùn)轉(zhuǎn)時(shí)振動(dòng)信號(hào)診斷效果不理想的問(wèn)題,本文提出了采用柴油機(jī)非穩(wěn)態(tài)振動(dòng)信號(hào)進(jìn)行發(fā)動(dòng)機(jī)機(jī)械故障診斷的思想。并以康明斯 EQ6BT柴油發(fā)動(dòng)機(jī)為研究對(duì)象,結(jié)合科研實(shí)際,開(kāi)展了柴油發(fā)動(dòng)機(jī)非穩(wěn)態(tài)振動(dòng)信號(hào)分析和智能故障診斷的研究工作。
　　 在柴油發(fā)動(dòng)機(jī)動(dòng)力學(xué)分析和振動(dòng)機(jī)理分析的基礎(chǔ)上,設(shè)計(jì)了重復(fù)性、穩(wěn)定性良好的非穩(wěn)態(tài)振動(dòng)信號(hào)采集裝置；從非平

2、穩(wěn)、非線性和非高斯特征分析的不同角度,提出了對(duì)非穩(wěn)態(tài)振動(dòng)信號(hào)分析切實(shí)有效的小波分形方法、盲源-雙譜方法和EMD-AR譜方法；采用變精度粗糙集實(shí)現(xiàn)了故障特征的自動(dòng)提取和優(yōu)化選擇;采用多源信息、多方法融合的多級(jí)融合策略,開(kāi)發(fā)了柴油機(jī)機(jī)械故障智能診斷模塊并嵌入車(chē)輛智能診斷儀,實(shí)現(xiàn)了單故障和雙故障模式下故障部位和故障程度的有效識(shí)別。通過(guò)論文的研究工作,得出如下主要結(jié)論:
　　 ①柴油機(jī)非穩(wěn)態(tài)振動(dòng)信號(hào)蘊(yùn)含著豐富的發(fā)動(dòng)機(jī)技術(shù)狀態(tài)信息,采用合

3、理技術(shù)手段分析非穩(wěn)態(tài)振動(dòng)信號(hào),可以有效診斷采用穩(wěn)態(tài)信號(hào)不易診斷出的故障。
　　 ②采用小波分形方法、盲源-雙譜方法和 EMD—AR譜方法均能有效提取非穩(wěn)態(tài)振動(dòng)信號(hào)中分析對(duì)象的故障特征。在分析雙故障模式的非穩(wěn)態(tài)振動(dòng)信號(hào)時(shí),盲源-雙譜方法和EMD—AR譜方法較小波分形方法更具優(yōu)勢(shì)。
　　 ③盲源-雙譜方法利用非線性PCA算法分離出非穩(wěn)態(tài)振動(dòng)信號(hào)主分量,其雙譜分析結(jié)果的故障特征比單純的雙譜分析結(jié)果更加明顯。
　　 ④E

4、MD-AR譜方法充分發(fā)揮了HHT方法處理非平穩(wěn)、非線性信號(hào)具有的顯著優(yōu)勢(shì),并克服了由加窗效應(yīng)帶來(lái)解調(diào)信號(hào)兩端出現(xiàn)較大誤差的問(wèn)題,得到的譜圖平滑、清晰,在很寬頻帶范圍均能有效識(shí)別故障,表現(xiàn)出良好的穩(wěn)定性。
　　 ⑤變精度粗糙集允許一定程度的錯(cuò)誤分類(lèi)率存在,提高了抗干擾能力,表現(xiàn)出比經(jīng)典粗糙集更強(qiáng)的魯棒性,得到穩(wěn)定的特征頻率面和故障特征。
　　 ⑥采用支持向量機(jī)特征級(jí)融合和D-S理論決策級(jí)融合的兩級(jí)融合診斷模型,綜合了多源信