活塞式發(fā)動機(jī)故障診斷方法研究與工程應(yīng)用.pdf

1、柴油機(jī)是常見的活塞式發(fā)動機(jī)，在工業(yè)生產(chǎn)中應(yīng)用極其廣泛，主要應(yīng)用于石油、電力、冶金等領(lǐng)域。因此，對柴油機(jī)進(jìn)行狀態(tài)監(jiān)測，保證其安全、平穩(wěn)、高效的運(yùn)行，具有十分重要的安全和經(jīng)濟(jì)價值。
　　由于柴油機(jī)振動信號中帶有豐富的狀態(tài)信息，因此，基于柴油機(jī)振動信號處理的故障診斷方法成為了目前常用的較為有效的故障診斷手段之一，而柴油機(jī)缸蓋振動信號中含有大量的狀態(tài)信息，因此，基于柴油機(jī)缸蓋振動信號處理技術(shù)成為首選。相比于故障特征提取方法而言，智能診斷方

2、法不需要提取出故障特征，可以直接根據(jù)機(jī)械設(shè)備狀態(tài)特征信息，判斷其運(yùn)行狀態(tài)。
　　常用的智能診斷算法有:神經(jīng)網(wǎng)絡(luò)、聚類分析、支持向量機(jī)等?；诰垲惙治龅墓收夏Ｊ阶R別方法由于初始值選取的隨機(jī)性，嚴(yán)重影響著故障診斷的結(jié)果。此外，當(dāng)樣本數(shù)目較大時，故障診斷的效率嚴(yán)重下降，難以滿足實(shí)際工程中故障診斷實(shí)時性要求。基于神經(jīng)網(wǎng)絡(luò)的故障狀態(tài)識別方法存在著算法復(fù)雜度高，程序計(jì)算量大，導(dǎo)致該方法的識別效率低，識別結(jié)果極易受到訓(xùn)練樣本數(shù)的影響。和前述兩種

3、智能識別方法相比，支持向量機(jī)更適合于處理小樣本，克服了工程實(shí)踐中故障樣本不足對狀態(tài)識別的影響。
　　柴油發(fā)動機(jī)是許多大型裝備的重要動力來源，由于實(shí)際故障監(jiān)測診斷手段落后，工程應(yīng)用中許多惡性故障頻發(fā)，對重要裝備的安全穩(wěn)定運(yùn)行有相當(dāng)大的影響。研究柴油發(fā)動機(jī)的故障診斷，實(shí)驗(yàn)柴油機(jī)故障早期預(yù)警及故障診斷具有非常重要的理論和工程實(shí)際應(yīng)用價值。故障模擬實(shí)驗(yàn)研究是進(jìn)行故障診斷研究的的重要組成部分，為深入研究故障機(jī)理和信號特征提供了大量的實(shí)際案例