基于小波变换和CNN的船用机械故障诊断

针对船用机械故障特征自适应提取与智能化诊断问题,采用连续小波变换与卷积神经网络的船舶机械故障诊断方法。以船用风机为例,首先模拟船用机械不同故障并采集振动信号,通过连续小波变换将一维振动信号转化为特征图谱,其包含大量的时频信息。然后通过多次训练后,确定网络结构参数,建立卷积神经网络结构,将时频图作为卷积神经网络输入,挖掘更深层次的高度抽象的故障特征信息。最后在卷积神经网络的输出层接入softmax分类器,实现船用机械的故障诊断。实验结果表明:所提方法能准确识别故障类型,且具有较强的鲁棒性和泛化能力,诊断准确率可达99.3%。与集成经验模态分解、极限学习机故障诊断方法相比,该方法有更高的诊断精度。

HCCI汽油机试验台架及其控制系统开发

基于1台双缸汽油机的改造搭建了HCCI汽油发动机试验台架及其控制系统。该系统基于不同的控制策略,可实现发动机不同的运行模式,同时可对缸压、离子电流等参数进行采集。试验结果表明,该发动机可成功实现从单缸SI模式过渡至另一缸HCCI模式的切换;控制系统可根据两缸的特点对空燃比、点火相位等参数进行有效控制,满足HCCI试验的基本要求。

基于离子电流反馈的失火循环内补火控制试验

基于自行搭建的汽油均质压燃发动机试验台架和离子电流检测系统,针对均质压燃燃烧临界工况进行了离子电流检测和闭环燃烧控制试验研究.分析了正常燃烧、部分失火及完全失火3种状态下的离子电流信号特征,提出了基于离子信号幅值或积分值为反馈信息的失火循环内补火的燃烧控制策略.补火控制试验结果表明,在均质压燃临界工况,离子电流信号幅值或信号积分,都可以作为燃烧失火判断的依据,可以应用于循环内燃烧反馈控制.失火循环内补火控制可以有效降低碳氢排放.

汽油均质压燃燃烧的自由离子生成机理研究

将Warnatz离子生成机理耦合到异辛烷详细化学反应动力学模型中,研究了汽油均质压燃(HCCI)燃烧中H3O+、CHO+、e等离子或CH、O自由基的生成过程.采用了化学反应路径分析的方法研究了自由离子的生成过程.基于一台改造的双缸汽油机,试验研究了不同进气温度下,汽油HCCI燃烧的离子电流信号特性,并基于上述方法,对不同进气温度下离子电流变化特性的机理进行了分析.结果表明:通过化学反应路径分析能够得到某反应时刻混合气中各组分的生成情况及燃烧离子来源情况.不同进气温度下的缸内温度对CH自由基的生成起着关键作用;H3O+离子浓度的降低是离子电流幅值下降的直接原因.离子电流信号差分峰值相位、H3O+浓度差分峰值相位与放热率峰值相位之间均存在一定的相位差.

基于离子电流积分信号的HCCI失火控制

搭建了HCCI汽油机试验台,并通过试验为其离子电流检测系统及其信号积分电路选定合适的参数。分析了不同燃烧工况下的离子电流积分信号特征及其与燃烧的相关性,最后对低速小负荷工况HCCI失火循环进行了基于离子电流积分信号反馈的循环内补火闭环控制的试验研究,结果表明,离子电流积分信号可作为失火的判断标准,而循环内补火可有效地引燃混合气,降低HC排放。

HCCI燃烧离子电流特性试验研究

在一台单缸试验机上通过改变进气温度、燃空当量比和压缩比等燃烧边界条件,对离子电流信号的波形变化进行了研究。结果表明,离子电流信号受到上述条件的强烈影响,其根本原因在于缸内峰值温度对自由离子浓度变化的作用。温度升高,燃烧较好时,自由离子浓度增加,离子电流信号增强,相位提前;温度降低,燃烧变弱时,自由离子生成受到抑制,信号减弱,且相对燃烧的相位滞后趋于增加。

往复压缩机多故障试验模拟及特征分析

为了解往复压缩机不同结构故障和性能故障的参数特征,对WP135型压缩机部件典型故障进行了模拟,包括地脚螺栓松动、活塞环断裂、吸气阀片断裂、排气阀片断裂。通过分析不同故障下的压缩机热工参数和缸盖顶部、机身侧面、机身底部测点振动信号的时域波形、时域、频域特征参数,揭示了热工参数和表面振动信号与压缩机不同零部件故障的内在联系。结果表明:不同的性能故障具有不同的热工参数变化特征,可以利用这些参数进行压缩机一级活塞环密封不良、二级活塞环密封不良、二级进气阀片断裂、二级排气阀片断裂性能故障的诊断。压缩机表面的振动对压缩机结构故障较敏感,可以用于对地脚螺栓松动故障的诊断,也可以利用振动信号的频谱特征进行其它结构故障的诊断,为进行往复式空压机的状态监测和健康管理提供了依据。

船用往复式空压机的状态监测与健康管理

船用往复式空压机是船舶机舱的重要设备之一,其零部件数量多、故障类型多、结构复杂,对往复式空压机进行状态监测和健康管理,有利于确保设备的运行可靠性和船舶的航行安全。总结了国内外对往复式空压机典型故障诊断的研究成果,确定了振动信号、压缩空气排出压力、运行噪声、电机电流和滑油成分等信号作为空压机状态监测的主要参数,以综合运用现代故障诊断的方法解决空压机各种故障的诊断问题。针对空压机故障诊断的复杂性,提出了关键部件的健康评估参数,以提高其状态监测的准确性。对未来船用空压机健康管理可能面临的问题及发展趋势进行分析总结,为未来智能船舶技术的发展和应用提供指导。

基于WOA-RF的船用风机故障诊断

针对船用风机典型故障诊断问题,利用鲸鱼优化算法优化随机森林(random forest optimized bywhale optimization algorithm,WOA-RF)对故障进行诊断,并通过实验验证该方法的准确性。实验模拟包括正常工况和5种异常工况在内的6种工况。采集所有不同工况下的振动信号,分别提取时域、频域下的特征参数构建第一特征向量。通过传统随机森林筛选得到具有更优分类效果的第二特征向量,再输入WOA-RF中完成故障识别。实验结果表明,本文提出的方法能够有效识别故障模式,平均预测准确率超99%。与其他算法对比,这种基于信息融合和WOA-RF的船用风机故障诊断方法准确性更高。