论文部分内容阅读
本文主要针对安全监控系统功率监测模块监测功率不均匀故障的方法进行探讨,以监测发动机系统故障程度为出发点,探究了发动机功率不均匀度与瞬时转速间的关系,综合应用瞬时转速诊断理论、神经网络、遗传算法和深度学习等相关理论算法,实现对发动机功率不均匀度的诊断,为设计发动机功率不均匀监测模块提供了基础。本文具体完成的工作主要包括:(1)对课题组前期搭建的Z6170ZLC柴油机零维仿真模型进行改进,探究了发动机瞬时转速的提取方法,提出了仿真瞬时转速传感器实际采集瞬时转速过程的办法,并在仿真得到发动机在不同故障工况下的瞬时转速之后,进行了谐次变换,证明了该模型适用于谐次相位法诊断规律,可以使用此模型进行功率不均匀故障仿真;(2)探讨了安全监控系统监测功率不均匀故障的理论基础,明确了发动机故障程度与瞬时转速的关系,提出一种基于瞬时转速的发动机功率不均匀诊断方法。通过分析曲轴瞬时转速各谐次变换下的速度矢量,能简便的判断出发动机各缸的运行情况,估算出各缸功率不均匀度大小,并成功使用此方法识别出模型所设置出的故障工况;(3)探讨了安全监控系统引用神经网络监测发动机功率不均匀故障的监测方案,确立了发动机当前平均转速、发动机当前负荷值、0.5谐次扭转角幅值、0.5谐次超前角以及1.0谐次扭转角速度幅值五个特征参数作为发动机故障征兆集的故障识别方案。通过发动机模型仿真得出的故障数据对比分析了各个诊断网络的性能,确定了单缸和多缸诊断网络的最佳形式;(4)探讨了安全监控系统引用深度学习网络监测发动机功率不均匀故障的监测方案,提出了构建LeNet卷积神经网络的自发提取发动机瞬时转速中包含故障特征信息的发动机单缸、多缸功率不均匀诊断方案。模仿了卷积神经网络进行语音识别的过程,采用对瞬时转速进行分祯的技术构建了不同维度的瞬时转速矩阵,并得到了良好的诊断效果。同时基于Matlab和Caffe平台,在GPU下实现了训练过程的加速。