基于多尺度核独立成分分析的柴油机故障诊断

为提高利用缸盖振动信号进行柴油机故障诊断的精度和速度,提出了一种基于多尺度核独立成分分析提取故障敏感频带的柴油机故障诊断方法。首先,提出奇异值能量标准谱对缸盖振动信号中的微弱冲击特征进行增强;然后,对信号进行固有时间尺度分解,并基于相关性准则选择有效频带分量;最后,利用核独立成分分析消除有效频带之间的频带混叠,得到故障敏感信息集中的独立频带,并计算其自回归模型(auto regression model,简称AR)参数、模糊熵和标准化能量矩作为特征向量输入核极限学习机(kernel extreme learning machine,简称KELM)进行柴油机故障诊断。试验分析结果表明,该方法可以快速准确地提取缸盖振动信号中的柴油机故障敏感频带,增强故障敏感特征,故障诊断准确率达到99.65%。

改进LMD分解和RBF神经网络的柴油机故障诊断研究

柴油机作为大型机械的核心动力部件,其运行状态的监测和诊断尤为重要,但由于其工作环境复杂,振动信号包含大量噪声,所以特征向量难以有效提取,严重制约柴油机的故障诊断技术。该文将传统局域均值分解进行改进并将其与小波降噪相结合对原始振动信号进行降噪处理,并且利用改进局域均值分解法提取特征向量,最后应用径向基(RBF)神经网络进行故障识别。在实验中,采集4种故障工况和1种正常工况下的振动信号,利用上述方法完成对5种工况下的诊断,正确率达到95%。实验结果表明:该方法较改进前有明显进步,能有效诊断发动机故障,并且具有较高的正确率和较强的实用价值。

和声搜索算法优化支持向量机的柴油机故障诊断研究

针对在柴油机故障诊断中支持向量机核函数参数和惩罚因子的不同取值会影响到分类正确率的问题,提出利用和声搜索算法对支持向量机相关参数进行选择优化(HS-SVM)的方法。在该方法中将参数作为和声存于记忆库中,而将支持向量机分类正确率作为目标函数,则整个寻优过程即是寻找使函数值最大的和声所对应的解。通过对UCI中的2个数据集进行分类正确率测试,并与未优化的支持向量机和人工蜂群算法优化的支持向量机(ABC-SVM)测试结果对比,证明了该方法的优越性。最后,将该方法用于柴油机故障诊断,并将分类正确率与未优化SVM和ABC-SVM分类结果进行比较,进一步说明和声搜索算法优化的支持向量机(HS-SVM)既能获得较高的分类结果正确率,又能有效降低运行时间,即说明该方法具有一定的实用性。

改进和声搜索算法优化支持向量机的柴油机故障诊断研究

针对基本和声搜索算法在优化支持向量机参数时,其局部搜索能力不足且后期收敛速度比较慢的缺点,提出利用改进和声搜索算法对支持向量机相关参数进行选择优化(IHS-SVM)的方法。在这一方法中,将原算法中控制参数—记忆库取值概率(HMCR)、微调概率(PAR)和调节宽度(bw)由静态值改进为随迭代次数的不同而进行动态变化。通过对UCI中的2个数据集进行分类正确率测试,并与未优化的支持向量机(SVM)和基本和声算法优化的支持向量机(HS-SVM)测试结果对比,证明了该改进方法的优越性。最后,将其用于柴油机故障诊断,并将分类正确率与未优化SVM和HSSVM分类结果进行比较,进一步说明改进和声搜索算法优化的支持向量机(IHS-SVM)能获得更高的分类结果正确率,即证明了该改进方法的实用性。

复合神经网络在柴油机故障诊断中的应用

以自组织特征映射网络SOM(Self-Organizing Feature Mapping)和误差反向传播网络BP(Back Propagation)为理论基础,提出了SOM-BP神经网络模型,将某内燃机燃油系统故障及其相关参数作为训练样本,通过仿真试验,验证了复合神经网络在柴油机故障诊断中的正确性和精确性.

RBF网络在柴油机故障诊断中的应用

柴油机作为动力发电、工程机械的重要组成部分,其性能好坏直接影响到整个系统的运行。在生产过程中需要加强对柴油机开展故障诊断和监控,及时发展并解决故障,从而提高了柴油机在运行过程中的安全系数,降低安全事故发生率,减少不必要的经济损失。传统的柴油预计故障诊断与解决方式主要是润滑油方法、振动噪声方法,这些都以定期保养和后期维修为主要方法,这些诊断方式不能较早预知故障情况、成本较高、工作效率较低。随着计算机技术、信号分析处理技术、人工智能的迅速发展,柴油机故障诊断能力逐渐提升,以非线性并行分布处理为主的神经网络成为了当前广泛运用于柴油机故障诊断的主要方法。

遗传算法在柴油机故障诊断中的应用

BP神经网络在故障诊断时,对故障的学习训练盲目性大,导致速度慢,结果可靠性差。但是遗传算法可以优化挑选故障向量具有针对性,弥补BP神经网络诊断的不足。所以基于遗传算法的BP神经网络可以使各代种群在进化过程中容易得到全局最优解。实例对比分析,表明优化后的神经网络具有较好的收敛性能和运算速度,能够改善诊断精度。

基于改进BP神经网络的柴油机故障诊断研究

根据柴油发动机故障与征兆之间关系来建立一种采用BP算法前馈型神经网络结构,然而采用标准BP算法对神经网络训练进行训练,但存在收敛速度慢等问题。因此,又采用添加动量项和自适应学习速率两种方法对标准BP算法进行改进,并将改进的BP算法运用于神经网络训练,结果表明改进的BP神经网络能够改善收敛速度慢的缺点,而且预测故障效果较好。

基于CART决策树的柴油机故障诊断方法研究

采用一种自适应局部有效值(RMS)计算方法提取柴油机缸盖振动信号时域特征,结合分类回归树(CART)算法建立故障分类模型并进行柴油机的状态识别。通过实验获取柴油机失火和撞缸两种故障工况及正常工况下的振动数据,计算出原始信号的局部RMS后,根据自适应阈值确定点火冲击区域和非点火上止点冲击区域提取局部特征,最后将特征输入CART算法中构建分类模型来验证所提取特征的有效性。结果表明:柴油机在3种状态下的识别率均达到100%,基于CART算法和局部特征提取的方法能够有效诊断柴油机故障。

基于BP神经网络的4135柴油机故障诊断

柴油机故障具有诊断对象多、特点不一、关系复杂的特点。柴油机属于往复机械范畴,其运动学、动力学形态相当复杂,而神经网络具有处理复杂多模式及进行联想、推测和记忆的功能,并且具有很强的实时性,因此将神经网络应用于故障诊断系统。

柴油机故障诊断——参数变化趋势分析法的研究

本文从运用性能参数进行柴油机故障自动诊断的角度出发,对舰船柴油机在推进工况下工作时燃油系统的主要故障自动诊断方法——“参数变化趋势分析法”进行理论和实验研究。分析认为:该诊断方法具有诊断故障的范围广,诊断结果准确率高,建模投资少,建模对实验数量的要求大大降低,实用性较强,容易在各种不同机型上推广等特点。

专家系统在柴油机故障诊断中的应用

本文以理论和实践相结合的方法,全面介绍了所研制的整个柴油机故障诊断专家系统的设计思想、研究手段及过程,就专家系统的五大组成部分并结合在柴油机故障诊断系统中的应用,进行了详细的论述;本文还对研制的故障诊断专家系统的诊断功能、诊断物理模型及数学模型和程序作了重点介绍和说明。

模糊理论在柴油机故障诊断中的应用

正随着我国经济社会的快速发展,柴油机作为主要动力机械在工业、农业、能源和交通运输等领域都得到了广泛应用。目前,我国柴油机年销售量超过140万台,已成为普遍使用的一种动力装置。随着世界范围内能源结构的调整和环保意识的增强,柴油机逐渐成为主流,大型柴油机是集机械、测量、计算机等多种技术于一体,机构复杂、价格昂贵,如不能及时正确地对所出现故障进行诊断与维修,会给造成很大的经济损失。

改进人工蜂群算法优化支持向量机的柴油机故障诊断

支持向量机是柴油机进行故障诊断的重要工具,然而其核函数参数和惩罚因子的不同取值会影响到分类结果正确率。针对这一问题,提出利用改进人工蜂群算法对支持向量机相关参数进行选择优化,在该方法中,将参数作为食物源,而分类正确率作为适应度函数。接着,通过对1个UCI数据集进行分类测试,证明了该改进方法的优越性:既继承了传统方法的优点又减少了收敛时间。最后将其用于柴油机故障诊断实验,进一步证明了该方法不仅能够获得较高的故障分类正确率,而且与传统人工蜂群算法相比,能够有效降低运行时间。

船舶柴油机故障诊断技术发展现状与趋势分析

在社会不断发展的背景下,我国的经济正在不断的提升,其中船舶行业在当前社会中也有着更加广阔的进步空间。而船舶柴油 机故障诊断技术的优化和完善对促进船舶柴油机的安全稳定运行有着深远的影响。因为柴油机是船舶中关键的组成成分之一,是船舶动力 的主要来源,但是由于船舶柴油机的构造是比较复杂的,而且船舶柴油机工作的环境较为恶劣,所以在实际的工作中很容易出现各种故障 问题,严重影响着船舶的运行安全性、专业性以及稳定性。因此,本文将围绕船舶柴油机故障诊断技术发展现状与趋势为主题来展开分析。

基于支持向量机融合方法的4135柴油机故障诊断

柴油机故障具有诊断对象多、特点不一和关系复杂的特点。而支持向量机具有良好的泛化能力,适用于小样本问题,同样适用于柴油机故障诊断。同时,信息融合方法可以通过多方面的信息总结出更加完整的特征数据,反映观测对象。在支持向量机的基础上结合信息融合方法,集合两者优点,可以更好地解决分类问题。

多通道柴油机故障诊断仪

柴油机是工业、农业、交通运输等产业部门广为应用的动力机械,由于工作频繁,条件恶劣,所以故障发生率高。多通道柴油机故障诊断仪,就是专为其设计的。它将信号检测技术、计算机控制、信号分析及专家系统等新技术融为一体。

基于差分进化算法优化支持向量机的柴油机故障诊断

针对支持向量机核函数参数和惩罚因子的不同取值会影响到柴油机故障分类正确率的问题,提出利用差分进化算法对支持向量机相关参数进行选择优化,并在实际中通过柴油机故障诊断实验证明了该方法能够获得较高的故障分类正确率,而且运行时间较短,即说明该方法具有一定的实用性。

基于HCU Events曲线的MAN B&W ME-C型柴油机故障诊断

随着电喷柴油机的引入,柴油机控制系统日趋复杂,智能化程度不断提高,设备复杂同时也伴随着故障率上升。船舶航行于海上,特别是目前受新型冠状病毒感染影响,各港口控制措施严格,船舶得到岸基维修难度加大,船舶柴油机一旦出现故障,船员无法及时处理造成停机,轻则延误船期造成经济损失,重则危害船上人员生命财产安全,因此研究如何利用有限信息对柴油机快速故障排查有很大意义。

基于虚拟器技术的柴油机燃油系故障诊断研究

燃油喷射系统是柴油机的核心系统,也是柴油机的主要故障源,燃油喷射系统相当部分的故障必须拆解判断,容易出错并且复杂。为此,提出了一种基于虚拟器技术的柴油机燃油喷射系统的非解体故障诊断系统。该诊断系统利用外卡式压力传感器检测高压油管波形,对波形进行小波分解与波形识别,提取有效的特征值,再利用BP神经网络,诊断出燃油喷射系统的故障。同时,介绍了系统的设计与开发,并重点讨论了波形信号采集、分析和BP神经网络分析诊断等3个功能模块的实施。