柴油機非穩(wěn)態(tài)振動信號分析與智能故障診斷研究.pdf

1、柴油機作為車輛的重要動力總成,對其進行狀態(tài)監(jiān)測并提供故障預(yù)報具有重大意義。針對常規(guī)柴油機故障診斷采用穩(wěn)態(tài)運轉(zhuǎn)時振動信號診斷效果不理想的問題,本文提出了采用柴油機非穩(wěn)態(tài)振動信號進行發(fā)動機機械故障診斷的思想。并以康明斯 EQ6BT柴油發(fā)動機為研究對象,結(jié)合科研實際,開展了柴油發(fā)動機非穩(wěn)態(tài)振動信號分析和智能故障診斷的研究工作。
　　 在柴油發(fā)動機動力學(xué)分析和振動機理分析的基礎(chǔ)上,設(shè)計了重復(fù)性、穩(wěn)定性良好的非穩(wěn)態(tài)振動信號采集裝置；從非平

2、穩(wěn)、非線性和非高斯特征分析的不同角度,提出了對非穩(wěn)態(tài)振動信號分析切實有效的小波分形方法、盲源-雙譜方法和EMD-AR譜方法；采用變精度粗糙集實現(xiàn)了故障特征的自動提取和優(yōu)化選擇;采用多源信息、多方法融合的多級融合策略,開發(fā)了柴油機機械故障智能診斷模塊并嵌入車輛智能診斷儀,實現(xiàn)了單故障和雙故障模式下故障部位和故障程度的有效識別。通過論文的研究工作,得出如下主要結(jié)論:
　　 ①柴油機非穩(wěn)態(tài)振動信號蘊含著豐富的發(fā)動機技術(shù)狀態(tài)信息,采用合

3、理技術(shù)手段分析非穩(wěn)態(tài)振動信號,可以有效診斷采用穩(wěn)態(tài)信號不易診斷出的故障。
　　 ②采用小波分形方法、盲源-雙譜方法和 EMD—AR譜方法均能有效提取非穩(wěn)態(tài)振動信號中分析對象的故障特征。在分析雙故障模式的非穩(wěn)態(tài)振動信號時,盲源-雙譜方法和EMD—AR譜方法較小波分形方法更具優(yōu)勢。
　　 ③盲源-雙譜方法利用非線性PCA算法分離出非穩(wěn)態(tài)振動信號主分量,其雙譜分析結(jié)果的故障特征比單純的雙譜分析結(jié)果更加明顯。
　　 ④E

4、MD-AR譜方法充分發(fā)揮了HHT方法處理非平穩(wěn)、非線性信號具有的顯著優(yōu)勢,并克服了由加窗效應(yīng)帶來解調(diào)信號兩端出現(xiàn)較大誤差的問題,得到的譜圖平滑、清晰,在很寬頻帶范圍均能有效識別故障,表現(xiàn)出良好的穩(wěn)定性。
　　 ⑤變精度粗糙集允許一定程度的錯誤分類率存在,提高了抗干擾能力,表現(xiàn)出比經(jīng)典粗糙集更強的魯棒性,得到穩(wěn)定的特征頻率面和故障特征。
　　 ⑥采用支持向量機特征級融合和D-S理論決策級融合的兩級融合診斷模型,綜合了多源信