提出了一种基于多元状态估计(Multivariate State Estimation Techniques,MSET)和序贯概率比检验(Sequential Probability Ratio Test,SPRT)的内燃机气阀机构振动监测方法。在该方法中,首先建立正常工况下各监测参数之间的关联模型;然...提出了一种基于多元状态估计(Multivariate State Estimation Techniques,MSET)和序贯概率比检验(Sequential Probability Ratio Test,SPRT)的内燃机气阀机构振动监测方法。在该方法中,首先建立正常工况下各监测参数之间的关联模型;然后根据系统当前观测特征向量与各建模样本特征向量之间的相似性程度,使用MSET对当前观测特征向量进行估计,得到与观测特征向量相对应的估计残差;最后使用SPRT对观测特征向量的估计残差进行均值和方差检验,确定系统的工作状态。试验中,通过设置不同的气阀间隙大小来模拟内燃机气阀机构不同程度的异常工况,以整周期缸盖振动信号幅值域特征作为系统工况监测参数。试验结果表明,MSET可有效增强故障状态下的信号特征呈现,而SPRT可在较少的周期内实现内燃机气阀机构异常工况的识别,MSET和SPRT的结合有效地实现了对内燃机气阀机构异常工况的早期监测。展开更多
文摘提出了一种基于多元状态估计(Multivariate State Estimation Techniques,MSET)和序贯概率比检验(Sequential Probability Ratio Test,SPRT)的内燃机气阀机构振动监测方法。在该方法中,首先建立正常工况下各监测参数之间的关联模型;然后根据系统当前观测特征向量与各建模样本特征向量之间的相似性程度,使用MSET对当前观测特征向量进行估计,得到与观测特征向量相对应的估计残差;最后使用SPRT对观测特征向量的估计残差进行均值和方差检验,确定系统的工作状态。试验中,通过设置不同的气阀间隙大小来模拟内燃机气阀机构不同程度的异常工况,以整周期缸盖振动信号幅值域特征作为系统工况监测参数。试验结果表明,MSET可有效增强故障状态下的信号特征呈现,而SPRT可在较少的周期内实现内燃机气阀机构异常工况的识别,MSET和SPRT的结合有效地实现了对内燃机气阀机构异常工况的早期监测。