基于Hessian局部线性嵌入和MLP-Mixer的液体火箭发动机涡轮泵轻量化故障诊断框架

作为液体火箭发动机推进剂输送系统的关键部件,涡轮泵的运行状态直接影响着整个运载系统的性能,然而,现有的故障诊断方法往往面临特性参数选择片面及计算复杂度高等问题。针对上述局限,提出了面向涡轮泵的轻量化故障诊断框架。所提方法利用Hessian局部线性嵌入算法对信号时域、频域及时频特征进行降维,并引入一种轻量化的深度学习模型MLP-Mixer作为分类器,进而实现不同故障状态的辨识。采用某型号涡轮泵试车数据验证了所提方法的有效性,结果表明,该方法能够在保障诊断精度的同时有效降低计算复杂度,提高诊断效率。

汽车发动机冷却系统故障诊断及维修关键技术探索

文章首先阐述了汽车发动机冷却系统的概念,介绍了该系统的设计原理及工作特点,在此基础上总结了系统故障成因,综合分析了导致冷却系统故障的各种因素及其具体表现,针对这些情况,提出针对性的诊断和维修关键技术。这不仅能显著提升发动机的功率和效率,还能降低系统故障率,提高车辆的可靠性,同时实现安全、节能和延长发动机寿命的目标。

基于知识图谱与模糊贝叶斯推理的航空发动机故障诊断

针对航空发动机结构功能复杂,存在贝叶斯网络构建难、节点条件概率难以获得精确值的问题,提出基于知识图谱与模糊贝叶斯网络的故障推理诊断方法。首先,以历史故障数据为依据,构建航空发动机故障知识图谱;其次,提出“知识图谱-贝叶斯网络”的映射方法,用于快速构建贝叶斯网络;然后,引入模糊集合论,解决工程实际中概率参数的不确定性问题;最后,以航空发动机滑油系统故障进行实例验证,结果表明所提方法既能提高贝叶斯网络的构建效率,又能实现故障诊断的不确定性推理,可用于诊断策略优化和设备可靠性提升,具有较强的工程应用价值。

基于无迹卡尔曼滤波的液体火箭发动机故障诊断

针对火箭发动机故障数据难以获取的问题,设计了一种基于无迹卡尔曼滤波(UKF)的液体火箭发动机故障诊断算法。采用MATLAB/Simulink平台搭建了液体火箭发动机故障仿真模型,实现发动机正常运行仿真和预燃室氧阀门故障、氧主泵汽蚀、氢主涡轮叶片脱落3种故障仿真。将正常运行仿真值与设计值、试车值进行了对比。结果表明:模型参数与设计值最大误差不超过5%,仿真精度较高;仿真参数变化趋势与试车值基本一致,且稳态值误差较小。使用UKF算法求取发动机正常运行阈值范围,并对故障序列进行滤波处理,若故障数据连续3次超出阈值区间,且在0.1 s内有至少2个涡轮泵发出报警,则判定故障发生,故障发生时间为第2个涡轮泵报警时间。使用设计算法对3种故障序列进行诊断,判定故障发生时间分别为20.08 s、20.05 s、20.18 s。相比于传统红线阈值算法,文中所设计算法响应更为及时,且误报率较低。

基于数据挖掘技术的拖拉机发动机故障诊断

拖拉机是农业生产的重要工具,发动机是其核心部件,如发动机出现故障,将会直接影响农业生产效率和产量。为此,提出了一种使用数据挖掘技术进行拖拉机发动机故障诊断的方法。利用了机器学习技术和统计学,首先针对拖拉机田间运行信号噪音较大的问题,引入小波阈值去噪的方法;其次,基于卷积神经网络模型,引入一种注意力机制,提高故障诊断准确率,并通过对拖拉机传感器数据进行分析,可以帮助诊断和预测发动机故障;最后,通过实验结果验证了算法的有效性。研究结果不仅可以提高故障的准确性和效率,还能够节约维修成本和提高机器的利用率,具有较高的应用价值。

浅析氢燃料电池发动机及其辅助系统状态监测与故障诊断

氢燃料电池发动机作为氢能车辆核心动力单元,其电堆运行状态健康监测和故障诊断直接影响车辆使用和电堆的寿命。当前采用的监测手段主要是对电堆电流和电堆单片电压的监控,通过判断电堆各个单体的电压一致性,以及是否有出现个别单体电压低的问题来判断电堆的健康状态。存在的问题是没有对先期机械故障即早期零部件失效进行监控,电堆能否正常工作也受制于提供空气和冷却的主要零件空压机和水泵的影响,当前仅通过电压巡检器对电堆单体电压的监测被动的报警,当报警时已经出现零件机械结构问题需要车辆进站维修更换零部件,影响车辆的正常出勤。所以有必要通过振动信号进行空压机、水泵等零部件故障的先期诊断评估,并在车辆保养或者闲时进行维修,可避免影响车辆正常营运,减少客户抱怨。

发动机运行过程故障诊断探析

发动机是汽车的重要装置,一直以来都是消费者关注的焦点。作为汽车的核心部件,发动机故障会直接影响汽车性能与安全性,然而在日常使用过程中,发动机故障是无法避免的现象。文章着重探讨发动机启动困难、抖动、油耗过大和动力不足等故障现象,分析故障的发生原因及诊断方法,以期为车主和维修人员提供一定的参考和指导。

迈腾B8L发动机故障诊断与修复

发动机电控系统诊断与修复是汽车技术国赛考核的重点,也是教学的难点。笔者结合自身参赛经历和发动机电控系统诊断与修复的教学经验,总结迈腾B8L1.4T发动机故障诊断与排除流程,对于教师教学备课和技能竞赛备赛具有参考意义。

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。

一种基于TCN-LGBM的航空发动机气路故障诊断方法

长时间工作在高温高压、强振动等恶劣气路环境下的航空发动机经常面临部件疲劳、腐蚀和性能退化的问题,且其故障诊断时序逻辑性不强、故障参数耦合较深等特点十分明显,为此提出一种基于时间卷积神经网络(Temporal Convolutional Network,TCN)和轻量级梯度提升机(Light Gradient Boosting Machine,LGBM)的航空发动机气路故障诊断方法。故障诊断分为故障特征提取和分类诊断两个过程:引入TCN框架,在保证故障数据训练时序逻辑的基础上,实现对远层历史信息和当前层信息的特征融合构建,融合通道注意力机制增强了高质量特征的权重;基于LGBM模型实现对特征的快速分类,利用贝叶斯方法实现对模型超参数的快速优化。以基于PROOSIS软件建模的某军用小涵道比涡扇发动机故障仿真数据为例,对6种故障模式进行诊断识别。仿真结果表明了所提方法的有效性;通过与其他模型对比体现了该方法的优越性。

液体火箭发动机故障诊断系统冗余容错技术研究综述

综述了液体火箭发动机故障诊断系统冗余容错技术研究,介绍了液体火箭发动机故障诊断系统在航天任务中的重要性及其不断发展的需求,强调了高可靠性和安全性对于航天任务成功的关键作用,详细分析了当前国内外在这一领域的研究现状,展示了不同国家和研究机构在故障诊断系统冗余容错技术方面的最新进展和具体应用实例,阐述了冗余容错技术对于火箭发动机故障诊断系统的重要性并探讨了该技术的发展历程、关键技术及当前研究成果;通过对比几种经典冗余容错手段,指出各冗余结构对于火箭发动机故障诊断系统的可行性与优缺点,详细介绍了发动机故障诊断系统的双机热备实现方案,为相关研究者提供参考依据;从理论基础到实际应用,从当前研究遇到的技术挑战再到未来发展方向的展望,为液体火箭发动机故障诊断系统冗余容错技术的研究提供了全面的综述和分析。

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。

汽车发动机故障诊断与检修

近年来中国市场经济发展态势良好,家庭汽车的普及度越来越高,汽车逐渐成为当前人们出行的主要交通工具之一,为中国汽车行业的发展提供支持。发动机是汽车非常重要的构成零件,能够为汽车的行驶持续性提供动力。就目前汽车总体行驶情况来看,发动机在运行过程中容易受到多方面因素影响,若发动机出现故障,将会对汽车的使用性能产生不良影响,无法保障汽车行驶安全性。基于此,本文主要围绕汽车发动机故障诊断与检修进行分析和探讨,以期为相关人员提供参考。

基于PIRD-CNN的航空发动机轴承故障诊断方法研究

航空发动机结构与系统的复杂性导致轴承的故障诊断方法通常面临特征提取与模式识别的困难。针对以上不足,考虑实际工程诊断的实时性与准确性,提出了一种新的基于转子位移概率密度信息(probability density information of rotor displacement,PIRD)的航空发动机轴承智能故障诊断方法。其主要对一维卷积神经网络(1-dimensional convolutional neural network,1DCNN)模型进行改进,在传统的卷积层前面增加了PIRD的提取层,可以提取转子振动位移信号的概率密度信息,有效地降低了数据的冗余度,同时保留了故障监测的重要指标。提出的PIRD-CNN诊断模型保留了1DCNN端到端的故障诊断优势,将该模型在航空发动机试验台产生的轴承故障数据进行测试,其对轴承故障诊断精度可达96.58%,与基准研究相对比表明,PIRD-CNN能够快速且更加精准地诊断航空发动机轴承的故障。

样本不均衡情况下的航空发动机轴承故障诊断方法

航空发动机滚动轴承工作在高温、高压、高转速的恶劣环境下,故障率高,因此对于其故障的准确识别和判断尤为重要。但由于轴承故障的偶发性,各类故障样本不均衡的问题非常突出,大大影响了基于数据的模式识别方法的准确性。本文提出了一种样本不均衡条件下的航空发动机滚动轴承智能诊断方法,采用合成少数类过采样方法进行样本平衡,在完成时频域特征提取和特征选择之后,利用改进蜂群算法优化后的随机森林策略实现轴承故障分类,并在凯斯西储大学轴承数据集和实验室构建的模拟航空发动机滚动轴承数据集上进行了实验验证。结果显示在凯斯西储大学中度不均衡数据集下,故障识别的准确率为98.30%,在重度不均衡数据集下的分类结果为96.30%。在实验室构建的模拟航空发动机滚动轴承实验台上,不均衡数据集的分类结果为97.65%,重度不均衡数据集的分类准确率为95.67%。相关实验证明本文所提算法能够有效完成不均衡样本下的航空发动机滚动轴承故障诊断任务。

基于特征优化和支持向量机的航空发动机气路故障诊断

针对现有数据驱动的航空发动机故障诊断算法易受飞行监控数据中冗余特征及噪声的干扰,不能及时修正监测数据中不平衡样本分布对模型泛化性能影响等问题,通过在支持向量机模型中引入特征增维和采用提取算法,提出基于特征优化和支持向量机的航空发动机气路故障诊断方法,并建立相应模型。将涡桨发动机及CFM56-7B发动机航后数据输入模型,分析与预测实际故障发生时刻,并将预测结果与真实结果进行比较,同时将其结果与采用随机森林等4种故障诊断方法所得结果进行对比验证。结果表明:特征优化算法的应用能显著缩短各类故障诊断方法运行时间20%以上;基于特征优化和支持向量机的故障诊断方法使预测准确率达99.8%;针对非平衡实测数据,特征优化算法和回归预测思想的引入能显著提高算法在不平衡数据集上的性能,与非回归算法相比故障检测率提高到91.67%。

基于小波包分析的汽车发动机轴承故障诊断方法

本文旨在研究小波包分析在汽车发动机轴承故障诊断中的应用,根据小波包展开的结构材料早期损伤监测较为简单,可以灵敏的监测到早期故障损伤。对失效破坏的故障发射信号进行分析,在此基础上,采用小波包分解技术,实现对汽车发动机轴承故障振动特征参数的有效提取,并将其应用到汽车发动机轴承故障诊断方法中。通过实验验证,实现对汽车发动机轴承故障的高效诊断。

汽车发动机故障诊断技巧与维修方法分析

现阶段,随着社会经济的发展快速,人们的生活质量不断提升,私家车的数量持续增长。发动机是汽车中的重要组成部件,也是故障高发的部位之一,提升汽车发动机故障诊断和维修技术很有必要。据此,对汽车发动机常见的故障进行分析,并探索了汽车发动机故障诊断技术,研究了汽车发动机故障维修方法。

汽车发动机燃油系统故障诊断与修复

汽车的燃油系统是保证发动机正常燃烧所必需的重要部分,负责将燃油从油箱输送到发动机,并与空气混合后点火燃烧。汽车燃油系统发生故障时,会导致发动机难以运转或失去动力,严重时甚至会引发火灾等危险情况。这表明及时发现和修复燃油系统故障是车辆维护保养的重要措施。因此,在汽车发动机燃油系统中,通过科学、有效的方法进行诊断和修复,才能确保车辆在道路上的安全行驶,同时提高车辆性能和使用寿命。

机械故障诊断技术在汽车发动机维护中的应用研究

本文深入探讨了机械故障诊断技术在汽车发动机维护中的应用。随着汽车工业的快速发展,发动机结构日益复杂,故障诊断难度加大。本文首先概述了汽车发动机的基本结构与工作原理,随后详细阐述了机械故障诊断技术的分类与诊断流程。重点分析了机械故障诊断技术在气缸、曲轴、配气机构等发动机常见故障中的应用,并通过典型案例展示了诊断过程与维修措施。此外,还探讨了新型诊断技术在提高诊断精度和效率方面的应用前景。最后,提出了发动机维护与保养的策略,旨在为保障汽车行驶安全、降低维修成本提供理论支持与实践指导。