论文部分内容阅读
柴油机是一种复杂的往复式动力机械,部件众多,结构复杂,长期上作在高温、高压的恶劣环境,故障发生率高,故障诊断十分困难。及时发现及诊断故障并采取有效的措施,可增加柴油机工作时的安全性和可靠性,降低柴油机维修费用,减少由此带来的损失,防止突发事故的发生,具有重要的研究价值与重大的社会经济效益。特征提取是故障诊断的重要环节,是决定诊断成功与否的关键。柴油机表面振动信号包含着大量的工作状态信息和故障特征信息,从表面振动信号中提取特征参数,可以有效地识别柴油机工作状态和有关故障。近年来,柴油机故障诊断技术在国内外得到了较大的发展,但从总体上来说,柴油机的故障诊断尚处于研究阶段。本文在总结和汲取别人研究成果的基础上,结合实际课题要求,确立了基于振动信号的神经网络柴油机故障诊断方法。本文在对国内外研究现状进行分析的基础上,采用了一种基于振动信号的柴油机神经网络故障诊断方法。首先在对柴油机振动受力分析的基础上,设计了试验方案,在WP7型柴油机缸盖上测取了柴油机在气门间隙异常、供油时刻异常、供油量异常及供油压力异常4种常见故障下的振动信号；对采集到的柴油机表面振动信号进行时域分析和频域分析,通过不同故障状态下振动信号特征参数的对比,初步判定柴油机状态；应用小波包频带能量分析技术,提出以能量特征进行故障诊断的方法,将信号进行分解和重构,提取了振动信号的故障特征；利用MATLAB技术建立了神经网络,将提取的样本集应用BP神经网络进行训练和测试,对不同的工况和测点,分别都用一个样本来检验,神经网络对各工况各测点位置信号都能作出正确判断,说明了该方法可行。利用柴油机表面振动信号来提取故障征兆向量,方法简单,易于实现,且能达到不解体诊断的效果；人工神经网络应用于柴油机故障诊断,能够对故障状态做出很好的识别,随着神经网络理论的发展和完善,它必将对柴油机故障诊断技术的发展起到更大的作用。