基于混沌特征和支持向量机的内燃机故障诊断

为解决内燃机故障诊断这一复杂问题,对6110型柴油机进行气门间隙故障模拟试验,测得振动信号,并计算其关联维数、最大Lyapunov指数、Kolmogorov熵3个混沌特征和它们的统计特征,作为故障特征量,利用支持向量机对故障进行识别。结果表明,用单一的混沌特征识别故障类型,效果较差;将统计特征与混沌特征共同作为故障的特征向量,效果较好。

基于优化递归小波与改进型ART2网络的内燃机故障诊断

曲轴角振动信号是内燃机故障诊断的有效依据。针对传统小波变换存在数据窗长、实时性差的局限性,构造出一类用递推公式进行小波变换的小波基。基于该类小波基的小波变换不受分析窗的制约,能够实时地提取暂态特征。同时提出此类小波时频特性的优化方法,对内燃机曲轴角振动信号进行递归小波分解,并提取特征。针对传统ART2网络只利用模式的相位信息而丢失幅度信息和网络性能依赖于样本顺序等不足,在网络权值更新时引入平均滤波和关联函数,以便提高网络稳定性和收敛速度,同时降低其对样本输入顺序的敏感性。最后,将改进型ART2网络应用于内燃机故障诊断。实验结果表明,递归小波能反映内燃机状态信号的特征;改进型ART2网络训练耗时小于传统ART2网络的3%,识别率为100%。

基于模糊数学的内燃机故障诊断系统

提出了基于模糊数学的诊断方法,将模糊数学方法引入内燃机故障诊断中,根据模糊数学理论、实践经验和试验来确定隶属度的大小;计算出症状与故障种类的隶属度,然后根据隶属度的大小及影响程度对故障种类进行排除和检修。

基于SOM神经网络的内燃机故障智能诊断研究

SOM神经网络是一个由全连接的神经元阵列组成的无教师自组织、自学习网络,它具有很强的非线性映射能力和柔性网络结构以及高度的容错性和鲁棒性。通过反复多次迭代训练,使之对训练样本形成科学合理的分类,然后利用此网络结构对待测样本进行实例仿真检验,判断此设备是否处于异常状态,从而可对设备的运行状态进行实时监测与智能诊断。实际算例也表明了该理论在内燃机智能故障诊断中的有效性及实用性。

舰船内燃机故障原因及维修处理研究

舰船内燃机的发展是非常快速的,随着科学的发展以及进步,对于内燃机故障原因进行有效的解决是当前发展的重要方向。为了避免问题的大量出现,就需要对可能出现的故障原因以及将会出现的故障进行详细的分析并且拿出科学的解决办法,做好维修处理工作,为舰船内燃机的正常运行打下基础,同时也要做好科研工作,保证为内燃机的发展做好坚实的后盾。

内燃机故障的振动诊断问题探究

针对内燃机的故障诊断的研究,在内燃机领域中,其取得的成绩十分有限,尤其是应用振动信号实现内燃机零构件故障的分析诊断,大部分依旧处在试验场所与中期试验时期,不过这个项目已经得到了业内很多专家和学者的关注。文章对内燃机故障的振动诊断问题进行了分析和探索。

数据融合背景下的舰船内燃机故障诊断方案研究

本文以船用燃油机为例,结合数据融合背景下研究内燃机发生故障时的诊断方案,采取当前先进的信息处理技术,及时发现其中存在的故障问题,从而分析故障、解决故障,确保船舰内燃机能够正常运行。

浅谈农用内燃机故障产生原因及判断、排除方法

内燃机是农业机械的主要动力源，在长期使用中，会产生多种机械故障。该文介绍了农用内燃机容易出现的几种故障及产生的原因、判断方法和简易排除办法.

基于SOM神经网络的内燃机故障诊断模型

本文在总结自组织映射(Self-OrganizingMap,SOM)神经网络的工作原理及实现过程的基础上,分析了内燃机的典型性能指标与故障类型之间的关系,并以某型号内燃机的振动信号为样本,利用经迭代训练后的网络结构对其进行检测,以此判断设备的工作状态。基于SOM神经网络的内燃机故障诊断模型,具有较好的诊断效果。

冷却风扇转速慢的原因分析及处理方法

资阳机车厂研制的调小内燃机车,目前已取代了我公司的全部蒸汽机车,并取得良好的的经济效益,它节能增效.在运行过程中,2008年,我们通过改善调节阀的性能,从而改善了风扇偶合器的性能,减轻了维修工作强度和提高了维修工作速度,提高了经济效益.