基于表面辐射声信号的柴油机进气及齿轮故障诊断

利用声振信号进行发动机故障诊断过程中,部分故障激励仅在发动机表面特定位置的振动中有较强响应,振动测点要求高,需要接触测量,部分场景难以实现.为此,提出了一种以表面辐射声为媒介、以自适应变分模态提取(adaptive variational mode extraction,AVME)进行预处理的柴油机进气故障和齿轮故障诊断方法.开展了某直列六缸重型柴油机的进气滤清器堵塞、气门间隙异常和正时齿轮损伤3类故障状态的台架试验,获取了不同故障程度下发动机表面辐射噪声.基于改进的AVME方法,实现噪声信号本征模函数(intrinsic mode function,IMF)的最优分解,通过计算IMF与原信号间的互相关系数,提取高相关IMF构成故障诊断输入.经预处理后,声信号故障特征得到有效增强,再输入到麻雀搜索算法优化支持向量机模型(support vector machine model optimized by sparrow search algorithm,SSA-SVM),进行特征参量和模型参数协同优化可以获得更好的诊断精度.试验验证表明,无需在半消声室测试,仅使用单通道声信号对3类11种程度的进气系统和齿轮故障进行诊断,前端噪声准确率最高(98.89%),顶部噪声准确率最低(88.78%);使用前、顶、后三通道噪声数据后,诊断精度可提升至99.57%.研究结论为基于声信号等非接触测量的发动机故障诊断提供了参考.

柴油机SDPF催化剂涂覆策略对NO_(x)排放特性和压降影响的仿真研究

为了满足日益强化的排放法规指标要求,柴油发动机业界开发了选择性催化还原捕集技术(SDPF)。SDPF将SCR催化剂涂覆在壁流式颗粒捕集器(DPF)载体上,通过催化还原过程,可以同时减少柴油机发动机排气中的氮氧化物(NO_(x))和颗粒物(PM),也解决了SCR原理中发动机排气门导致的温度过低排放控制困难的问题,可以显著改善冷启动下的NO_(x)排放。本文建立了一个仿真模型,并基于发动机台架试验数据对模型进行了标定,研究了SDPF催化剂不同的涂覆策略——催化剂涂覆量和催化剂涂覆比例,对柴油机排放性能和压降特性的影响。仿真结果表明:SDPF的压降随着催化剂涂覆量和涂覆比例的增加而增加,但是过量的催化剂涂层导致的压降过高会使NO_(x)转化效率下降;当催化剂涂覆量达到70g/L时, NO_(x)的转化效率最高;发动机处于低负荷工况时,当催化剂涂覆比例高于60%左右时, NO_(x)转化效率更高。

船舶柴油机主轴承温度过高问题的处置及预防工作方案

船舶柴油机在使用过程中,主轴承突发故障时有发生,主要表现现象为主轴承温度过高。如未能及时有效处理,将严重影响柴油机的正常运行。本文从故障机理的角度出发,研究主轴承温度过高的各项成因,并分析故障的各种表现形式。基于滑油温度过高、滑油压力过低或无压力、曲轴箱中出现异常敲击声等主要的附加故障特征,本文分析故障发生后的主要危害,重点探讨故障的处置流程和排除方法,进而提出故障预防方案,为船舶柴油机的安全使用与维护提供理论依据。

乳化剂对甲醇柴油液滴蒸发微爆特性的影响

乳化燃油微爆能够促进燃油雾化和混合,影响其微爆性能的关键是乳化剂。文章采用机械搅拌加超声搅拌法制备了微乳化甲醇柴油,研究了乳化剂种类和含量对微乳化甲醇柴油稳定性和分散性的影响规律。研究结果表明:采用复合乳化剂和增加乳化剂含量均能提高微乳化甲醇柴油的分散性;增加乳化剂含量能够提高液滴微爆强度,推迟初次微爆时刻,减少液滴寿命,降低稳定阶段的液滴蒸发速率;当甲醇和乳化剂的质量比为10∶5和10∶8时,液滴微爆强度分别比甲醇和乳化剂质量比为10∶3时提高了34.3%和37.6%。

烟囱出口角度对船舶主机排气流动特性影响分析

排气烟囱位于燃气轮机排气系统末端,对排气管路排出的烟气流向起到一定的引流作用。不同排气烟囱出口角度对排气系统的流动阻力、排气区域流场、温度场分布以及烟气弥漫与倒吸均会产生影响作用。因此,开展排气烟囱出口角度研究对改善排气系统流动特性具有重要的意义。本文以某型船舶为研究对象,建立燃气轮机进排气系统流动特性数值模型,开展了不同排气烟囱角度下排气流动特性随外界风速、风向变化趋势的研究。在此基础上,进一步探究不同风速、风向条件下,烟囱出口角度对排气区域流场、壁面温度分布以及烟气扩散与倒吸的影响,从多角度对比分析了烟囱出口角度对排气系统流动特性的综合影响。研究结果表明,在一定约束条件下,当排气烟囱出口角为45°时,其排气流动性能与烟囱围壁平均温度等综合性能最好。同时,在船舶尾部近甲板处未发生烟气明显扩散,在进气系统吸气入口未发生烟气倒吸。本文研究工作为特征环境条件下燃气轮机排气烟囱结构设计提供了思路,具有较好的工程指导意义。

柴油机多源冲击振动信号稀疏表示及其故障诊断应用

柴油机在船舶、核电、车辆等领域应用广泛,对其进行监测与故障诊断具有重要意义。随着设备健康监测技术的发展,数据存储压力日益显著,信号稀疏表示成为一种有效的解决措施。针对柴油机振动信号具有强冲击、非平稳的特点,提出一种基于分解信号(Decomposed Signal,DS)字典的柴油机多源冲击信号稀疏表示方法,并以稀疏系数作为特征应用于柴油机气门间隙异常故障诊断。首先,采用变分时域分解(Variational Time-domain Decomposition,VTDD)对信号进行处理获得分解信号。然后,将分解信号组成DS字典。接着,通过正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法实现原信号和分解冲击信号的稀疏表示。最后,以稀疏系数作为特征进行柴油机气门间隙异常故障诊断。测试结果表明,所提方法具有较好的应用效果,故障诊断准确率高于90%。

一种分层模糊Petri网风险评估方法

针对传统模糊Petri网在对不确定环境下的专家系统的知识表示与推理时无法兼顾不确定知识的模糊性与随机性、在复杂的故障情况下故障的因果关系表达不清晰、定量推理计算时缺乏层次性、不能局部求解的问题,构建一种基于云模型的分层模糊Petri网以加强模糊Petri网的知识表示能力和提高推理过程的计算效率。利用专家知识和Petri网层次分解原则将系统故障模式和故障原因之间的因果关系进行建模,使故障建模更具结构性,计算更加灵活;应用云模型处理知识的模糊性和不确定性;通过合理考虑局部权重和全局权重,结合Petri网层次分解原则和云聚合算子给出相应的推理算法。实例验证表明,所提方法能够有效对系统进行风险评估,且在知识表示和推理方面优于其他方法。

基于堆叠稀疏自编码器的多缸喷油器堵塞定位算法

燃油喷射系统的工作质量直接影响柴油机工作过程及性能,针对多缸机不同喷油器发生堵塞故障且故障程度不一时,传统故障诊断方法难以精准定位故障喷油器的问题,提出一种基于堆叠稀疏自编码器(Stacked Sparse Autoencoder,SSAE)的故障定位算法。通过SSAE提取不同喷油器发生堵塞故障时轨压信号的深层特征,以softmax网络实现故障部件定位。以一维轨压信号为输入,故障喷油器定位为输出,并研究算法超参数对算法精度的影响。研究结果表明,此算法能精准定位发生堵塞故障的喷油器,且精度不受堵塞程度的影响,故障诊断正确率可达96.7%。

基于同步提取增强广义S变换的柴油机气门性能退化状态评估

柴油机在运行过程中气门间隙逐渐增大,其状态会随气门性能退化而发生改变。针对传统状态评估方法难以对其气门性能退化状态进行准确评估的问题,提出基于同步提取增强广义S变换(Synchro Extracting Enhanced Generalized S-Transform,SEEGST)的柴油机气门性能退化状态评估方法。通过传感器采集反映柴油机状态的振动信号;为解决传统信号时频分析方法存在时频分辨率低、能量聚集性弱等问题,基于同步提取算法与广义S变换提出SEEGST时频分析方法,将振动信号转换为二维时频图;利用MLP-Mixer模型提取时频图像特征进行训练,实现柴油机状态评估。通过柴油机状态监测实验台开展气门性能退化实验,将所提方法与SSGST-MLPMixer、GST-MLPMixer、SEEGST-ViT、SEEGST-2DCNN、FFT spectrum-1DCNN 5种传统方法对比。实验结果表明:所提方法的整体评估准确率达到98.96%,可有效应用于柴油机气门性能退化状态评估领域,为开展柴油机气门性能退化状态评估提供一种新的思路。

基于元迁移学习的压燃式活塞发动机气门故障诊断研究

针对压燃式活塞发动机气门间隙故障振动信号样本少以及跨工况故障诊断困难的问题,提出一种基于元学习和迁移学习的压燃式活塞发动机气门间隙异常故障诊断方法。元学习采用MAML作为学习器,对目标域的支撑集进行数据扩展,提升其泛化能力;迁移学习采用ResNet34作为特征提取网络,并通过SSL替代SL损失函数,压缩源域特征向量之间的距离,为目标域任务提供更多的特征嵌入空间,提升其跨域诊断能力。将预训练和微调后的元学习和迁移学习模型进行决策融合后作为诊断结果输出,并使用发动机台架进行实验数据验证。结果表明,所提方法能在小样本情况下有效识别跨工况气门间隙故障,且效果明显优于单独使用元学习或迁移学习的诊断方法。

基于网格搜索和投票分类模型的喷油器故障诊断研究

为了提高高压共轨试验台对喷油器检修效率,提出一种基于网格搜索和投票分类模型的喷油器故障自动诊断方法。由于压电喷油器故障数据采集困难,使用AMESim软件模拟不同轨压和脉宽状态下压电喷油器可能出现的多种故障情况。随后,将采集到的1 760组数据使用由随机森林、支持向量机和GBM组成的投票分类模型进行训练,并使用网格搜索法优化各分类器的超参数。实验结果表明:该模型对压电喷油器的5种故障状态及正常状态诊断时的准确率、精确率、召回率和F1-score分别为98.86%、99.13%、98.56%、98.83%,表现出较高的准确性和稳定性。该方法能够快速高效地对喷油器故障情况进行定位。

非道路内燃机结构衰减值试验研究

内燃机的结构衰减值是研究内燃机燃烧噪声的一个极为重要指标,只有通过得知的内燃机结构衰减值,燃烧噪声和机械噪声才能被分解。阐述了内燃机结构衰减值的理论及测试方法,并对某四缸机的结构衰减值进行了测试及分析,得出了发动机的结构衰减值曲线。同时,对比和分析了该曲线与MFFR曲线的差异性。

发动机振动信号的时—频域二次去噪方法

本文提出一种适用于发动机机体振动信号的时频域二次去噪方法,从时域和频域两个方向对机体振动信号进行两次去噪。其中时域去噪过程首先是利用包络导数算子和短时能量概念来对时域上的噪声信号和工作特征信号进行识别和分割,再通过非局部均值(Non-Local Mean, NLM)方法实现去噪。而频域去噪过程则是先基于时变滤波-经验模态分解(Time Varying Filtering-Empirical Mode Decomposition, TVF-EMD)对振动信号进行时频特征提取,再提出一种融合差分熵的NLM方法对提取的本征模函数进行自适应去噪。应用所提出的去噪方法对实测的发动机机体振动信号进行分析,结果表明:该方法在时频域的去噪效果十分显著,在发动机状态监测和故障特征提取方面具有较大的应用潜力。

某主燃油泵调节器最小燃油流量不合格故障研究

针对某主燃油泵调节器随发动机试车检查最小燃油流量不合格故障产生的原因,结合发动机工作原理,开展了故障分析及相关改进措施验证;最终确定故障原因为燃油泵调节器调整试验器的测量系统涡轮流量计管路设计前置长度较短、漩涡流动增强、测量误差大导致。通过对试验器系统原理分析,制定改进行措施,在安装测量系统涡轮流量计时,增加其上游直管段长度排除了主燃油泵调节器外场试车最小燃油量不合格故障,而且为后续燃油泵试验器测量系统的设计提供了参考依据,这既保证了发动机工作的可靠性和安全性,同时也提高了试验器测量系统的测量精度。

工程机械发动机及液压系统的冷却系统的智能控制

为了实现高效、稳定的冷却效果,设计了一套智能控制系统,在硬件设计层面,采用了89C51单片机作为核心控制单元,并配置了多种传感器和执行器,在软件设计方面,基于PID控制算法开发了控制程序,该程序能够根据实时采集的温度数据快速计算控制量,并通过执行器对冷却系统进行精确控制。结果表明,该系统在正常工作温度范围内,提升了现有工程机械的使用寿命。通过智能控制系统的设计与应用,实现了对工程机械发动机及液压系统冷却过程的优化控制。

基于遗传算法的柴油机瞬时转速特征优化方法

通过在线监控柴油机瞬时转速信号,进一步研究与柴油机燃烧有关的故障诊断,已成为柴油机故障诊断技术中最有应用价值的技术之一。但是,柴油机结构复杂导致瞬时转速的波动变化复杂,信息辨识困难,尤其是在柴油机早期故障的瞬时转速特征信息提取难度较大。针对瞬时转速在柴油机早期故障中信号微弱,故障特征提取困难,而传统的故障特征优化方法在处理柴油机瞬时转速数据时,存在准确率不高、效率底下等问题,引用遗传算法对柴油机瞬时转速信号6个较能反映故障的无量纲化特征参数作为原始特征进行提取优化,得到最佳特征参数,用以故障诊断,通过故障模拟实验验证了遗传算法在优化柴油机瞬时转速故障特征上的有效性,对于超过15%幅度的功率不平衡性故障,使用瞬时转速信号可以进行准确诊断。

基于改进ELM的柴油机故障诊断方法研究

结合变分模态分解(VMD)和极限学习机(ELM)的柴油机故障诊断方法对柴油机的故障进行诊断分类。针对柴油机振动信号非线性、非平稳性的特点,给出了基于麻雀搜索算法(SSA)优化VMD分解方法,以此达到较好的分解性能。针对柴油机故障信号故障种类多样等问题,给出了基于灰狼优化算法(GWO)优化ELM的分类模型,使分类性能更加稳定。最后将所提出的方法用于五十铃6BB1型柴油机的故障检测与识别中,其故障识别准确率达98.04%。诊断结果验证了GWO-ELM具有较高的精准度,证明该方法是可行有效的。

应用优化DHKELM的柴油机故障诊断方法

为准确、高效地对柴油机故障进行诊断,提出应用优化深度混合核极限学习机(deep hybrid kernel extreme learning machine, DHKELM)的柴油机故障诊断方法。该方法以各样本的频谱幅值作为故障特征,归一化处理后作为DHKELM模型的输入,从而实现对柴油机各故障状态的识别。相较极限学习机,该模型具有更深层次的结构,引入了混合核函数以及自动编码器,可以准确区分易混淆的故障类型,提高诊断准确率。针对DHKELM模型中各个超参数难以确定的问题,提出利用改进麻雀搜索算法(improved sparrow search algorithm, ISSA)对模型中各超参数进行寻优,充分发挥模型的故障诊断性能。实验结果表明,在实验室实测数据中,所提方法较传统方法具有较好的故障诊断精度,为柴油机故障诊断提供了一种新的思路。

基于振动信号PSD-SVM方法的不定负荷下柴油机气阀间隙异常故障诊断

针对许多基于振动信号的故障诊断方法在不同负荷下的诊断不全面的问题。提出了一种基于功率谱密度(power spectral density,PSD)与支持向量机(support vector machine,SVM)的故障诊断方法。该方法将振动信号功率经过滑动平均滤波(moving average filter,MAF)处理,计算样本中每个周期的标准化信号的功率谱特征,再使用核方法SVM进行特征分类,从而实现故障诊断。经过柴油机实机测试,该方法对于不同负荷下的故障识别率达到96.72%,能有效识别不同负荷下的柴油机进排气阀间隙增大故障。

基于连续小波变换和模型无关元学习的压燃式活塞发动机气门故障诊断研究

针对压燃式活塞发动机缸盖表面振动信号样本少及传统故障诊断方法特征提取和选择困难的问题,提出了一种基于连续小波变换(continuous wavelet transform,CWT)和模型无关元学习(model agnostic meta learning,MAML)的压燃式活塞发动机气门间隙异常故障诊断方法。通过将CWT的特征提取能力和MAML的快速学习能力相结合搭建故障诊断模型。试验结果表明该方法能有效识别气门间隙故障,并且其准确率高于传统基于CWT和卷积神经网络(convolutional neural network,CNN)的故障诊断方法。通过跨域故障对比试验,研究了不同气门故障类型对模型诊断能力的影响,验证了该方法在解决小样本和跨域故障问题时具有更高的准确率和泛化能力。