基于模式識別的柴油機故障診斷技術研究.pdf

1、為提高柴油機動力裝置的安全性和可靠性,滿足現(xiàn)代預防維修制度和自動化系統(tǒng)的要求,對柴油機進行狀態(tài)檢測和故障診斷具有十分重要的意義.柴油機是一種典型的往復式動力機械,結(jié)構(gòu)復雜決定了對其進行狀態(tài)監(jiān)測與故障診斷的困難性.本文在此背景下,研究了柴油機表面振動信號和瞬時轉(zhuǎn)速的特征參數(shù)的提取方法,探索了模糊聚類和神經(jīng)網(wǎng)絡模式識別方法在柴油機故障診斷中的應用,建立了用于柴油機故障診斷的ANFIS系統(tǒng),具有較高的準確性.在大量試驗的基礎上,對柴油機在七種

2、不同狀態(tài)下的氣缸蓋及機體表面振動信號進行了時域、頻域分析,提取了有效的時域、頻域無量綱特征參數(shù);在研究時頻分布理論的基礎上,進行了振動信號的PMH分析,揭示了在排氣門漏氣故障和活塞環(huán)故障時氣缸蓋及機體表面振動信號的時頻分布特征,提取了相應的特征參數(shù),與時域、頻域特征參數(shù)一起組成了反映柴油機狀態(tài)的參數(shù)向量.在分析柴油機曲軸飛輪系統(tǒng)動力學特性的基礎上,建立了簡化的柴油機瞬時轉(zhuǎn)速模擬計算模型,通過柴油機瞬時轉(zhuǎn)速的模擬計算分析和實測信號的分析處

3、理,定義了三個用于柴油機故障診斷的特征參數(shù),利用這些瞬時轉(zhuǎn)速特征參數(shù)能夠準確的判斷柴油機是否有故障及找出故障缸.在普通聚類分析的基礎上,著重研究了模糊C均值聚類理論方法的基本原理,給出了模糊c均值聚類的一般實現(xiàn)算法,分析了參數(shù)選擇對聚類結(jié)果的影響,將模糊聚類方法應用于柴油機故障狀態(tài)振動參數(shù)向量,實際應用證實了其故障診斷的有效性,說明適當選取的特征參數(shù)組成的參數(shù)向量可以表征柴油機的狀態(tài);在分析神經(jīng)網(wǎng)絡理論和算法的基礎上,選定了自組織神經(jīng)網(wǎng)

4、絡及學習向量矢量化算法對柴油機參數(shù)向量進行模式識別,經(jīng)過訓練之后,該神經(jīng)網(wǎng)絡可以比較準確的識別不同的柴油機故障狀態(tài).研究了模糊推理理論和自適應神經(jīng)網(wǎng)絡模糊推理系統(tǒng)的算法和推理系統(tǒng)建立方法,建立了適用于柴油機故障診斷的ANFIS故障推理診斷系統(tǒng),通過選取樣本對模糊神經(jīng)網(wǎng)絡推理系統(tǒng)進行訓練、測試和檢驗,應用表明本文建立的ANFIS可以準確地診斷高壓油管漏油、排氣門漏氣、活塞環(huán)損壞等單一故障及復合故障,具有很強的實用性.提出了柴油機故障診斷的