基于AR模型和K-L信息量的柴油机气阀机构故障诊断

通过模拟气阀机构的两种常见故障:气阀漏气和气阀间隙异常,采集柴油机缸盖表面的振动信号。提出了柴油机气阀机构的状态监测及故障诊断策略,采用FPE准则和Burg算法建立不同状态时振动信号的AR模型,利用K-L信息量对不同工作状态进行了有效识别。诊断结果表明该方法是可行的,便于实现柴油机气阀机构故障的在线实时监测与诊断。

基于时序分析和K-L信息距离的柴油机气阀机构故障诊断

柴油机表面振动信号包含着设备运行的大量特征信息,是一种典型的非平稳时变信号,因此信号分析方法是柴油机故障诊断技术的难点。作者通过模拟柴油机气阀机构的气阀漏气和气门间隙异常两种主要故障,采集气缸缸盖表面的振动信号,应用时间序列分析方法建立缸盖振动信号的AR模型,然后利用欧氏距离判别函数进行故障状态识别。结果表明该方法是可行的,诊断效果比较好,同时对往复机械设备的在线实时监测与故障诊断做了有益研究。