收藏本站
《天津大学》 2015年
收藏 | 手机打开
二维码
手机客户端打开本文

非平稳信号特征提取方法研究及其在内燃机故障诊断中的应用

王霞  
【摘要】:内燃机健康状态评估与不解体故障诊断是内燃机及以其为动力源的机械系统以最小的维护与维修成本安全运行的重要保障措施。内燃机表面振动信号中包含了丰富的状态信息,但由于内燃机结构复杂、运行工况多变的工作特点,导致其表面振动信号表现为繁杂的非平稳、非线性时变信号,很难直接作为内燃机健康状态评估与故障诊断的依据。因此,对内燃机表面振动信号进行深度加工并提取能表征其运行状态的关键特征就成为内燃机不解体故障诊断方法研究中的关键问题。论文研究了非平稳、非线性振动信号特征提取方法及模式识别理论。通过对内燃机振动信号的分析再处理,提取能表征内燃机运行状态的关键特征信息,对比提取的特征信息并利用模式识别器进行分类,实现内燃机工作状态和故障类型的判定。论文在研究小波阈值降噪理论的基础上,提出了一种基于自适应小波包改进阈值的降噪方法。仿真结果表明,该方法在信噪比及均方根误差方面均优于传统小波阈值降噪法。通过研究局域波分解与小波包分解频带能量理论,提出EEMD-小波能量与LMD-小波能量信号特征提取方法,并利用两种方法对柴油机喷油提前角故障进行诊断,结果表明:LMD-小波能量方法在故障诊断中更优。同时,针对盲源分离过程中无法实现单通道信号输入以及经验模态分解(EMD)和基于线性假设的独立分量分析(ICA)在分析非线性信号方面的不足,提出基于局域均值分解(LMD)与核独立分量分析(KICA)协同的信号源特征提取方法(LMD-KICA),并且在柴油机故障诊断中得到应用。以LMD与KICA协同的信号特征提取方法为基础,论文提出基于KICA-LMD分形理论的信号特征提取方法(KICA-LMD-CD)。首先利用自适应小波包改进阈值方法和数学形态滤波方法对柴油机故障信号进行降噪预处理,然后经过KICA-LMD分解后计算分量(PFs)分形关联维数值,通过分析关联维数值大小及其变化趋势判断柴油机喷油提前角状态。同时探讨了噪声及局域波分解对柴油机振动信号关联维数计算的影响。结果表明:噪声对关联维数值计算影响较大,降噪是计算关联维数的前提;KICA-LMD分解后分量PFs的关联维数值可以作为柴油机工作状态的判断依据。将支持向量机作为柴油机气门间隙故障诊断的分类识别器。提出了一种基于KICA-LMD相关系数的信号特征提取方法,用于提取某六缸柴油机振动信号分解分量PFs的相关系数,并作为支持向量机的特征量对柴油机故障进行分类。综合上述方法提出了一种多特征提取分类识别的信号特征提取方法。对某六缸柴油机气门间隙七种状态的缸盖振动信号提取特征信息,包括:数据统计特征,相关性特征,分形特征及能量特征等。故障模式识别结果表明,第一,相关系数、关联维数、能量特征识别率达到99.4351%,能很好的表征系统的非线性状态特征,而数据统计特征识别率仅为87.1429%;第二,经过降维处理后的分类器比未降维处理的分类器识别率高。
【学位授予单位】:天津大学
【学位级别】:博士
【学位授予年份】:2015
【分类号】:TK407

手机知网App
【相似文献】
中国期刊全文数据库 前10条
1 张立众;孙志勇;;“逐项排除法”在故障诊断中的应用[J];矿山机械;1990年09期
2 贾民平;机械故障诊断学的理论及其应用 第一讲 故障诊断的意义及研究发展概况[J];江苏机械制造与自动化;1999年01期
3 杨晓磊;;浅谈我国铁路机车故障诊断[J];科技风;2014年06期
4 田少民;工程机械的状态监测与故障诊断技术[J];工程机械;2001年01期
5 王敏,王万俊,熊春山,黄心汉;基于多传感器数据融合的故障诊断技术[J];华中科技大学学报;2001年02期
6 潘松海;介绍一种故障诊断方法[J];组合机床与自动化加工技术;2001年06期
7 李德跃;发动机突然熄火的故障诊断[J];城市车辆;2001年02期
8 王小虎;机械式风速表检定中的故障诊断及维修方法[J];中国计量;2002年03期
9 王清照,肖卫杰,王加璇;运用热经济学结构理论进行故障诊断的探讨[J];中国电机工程学报;2003年09期
10 陈东林;烟草设备的故障诊断技术应用与展望[J];中国设备工程;2003年06期
中国重要会议论文全文数据库 前10条
1 杨其校;刘昭度;齐志权;马岳峰;;汽车ABS电机故障诊断[A];第三届全国信息获取与处理学术会议论文集[C];2005年
2 黎清海;高庆;;基于系统分层的故障诊断方法[A];第三届全国信息获取与处理学术会议论文集[C];2005年
3 闻竞竞;黄道;;故障诊断方法综述[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用(CACIS)学术会议论文集[C];2007年
4 李璘;那文波;;模糊聚类分析方法在汽车ABS故障诊断中的应用研究[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年
5 张利;徐娟;张建军;程龙;赵佛晓;;基于网格的远程协同故障诊断资源管理模型研究[A];全国第20届计算机技术与应用学术会议(CACIS·2009)暨全国第1届安全关键技术与应用学术会议论文集(上册)[C];2009年
6 段志善;东亚斌;;灰色故障诊断方法及其发展的思考[A];振动利用技术的若干研究与进展——第二届全国“振动利用工程”学术会议论文集[C];2003年
7 罗霞;;一种快速故障诊断装置的设计[A];第七届全国核仪器及其应用学术会议暨全国第五届核反应堆用核仪器学术会议论文集[C];2009年
8 鲍忠贵;白方周;;故障诊断的模型跟踪法[A];1996中国控制与决策学术年会论文集[C];1996年
9 高锋;高强;马涛;;旋转机械振动状态监测与故障诊断管理[A];第十届全国设备监测与诊断技术学术会议论文集[C];2000年
10 徐章遂;房立清;米东;王云峰;;基于奇异谱分析的发动机故障诊断方法[A];2001年中国智能自动化会议论文集(下册)[C];2001年
中国重要报纸全文数据库 前10条
1 本报记者 陈晓煊 通讯员 沈甸;故障诊断有新招 抢修复电更高效[N];中国电力报;2014年
2 李继光;铡草机常见故障诊断及排除[N];云南科技报;2003年
3 武汉科技学院纺织服装学院 林子务;设备故障的诊断[N];中国纺织报;2004年
4 本报记者  矫阳;铁路运行安全保护神[N];科技日报;2006年
5 曹百禹;我大型机组故障诊断技术发展迅速[N];中国石油报;2008年
6 武汉科技学院纺织服装学院 林子务;故障诊断中的数学概念[N];中国纺织报;2004年
7 罗争鸣 徐兰山 罗浩;机车故障隐患实现“立体”诊断[N];科技日报;2006年
8 郭建国;盲目提高产品的技术含量不可取[N];中国工业报;2006年
9 本报记者 孙悦群;与天地对接 为飞船护航[N];黑龙江经济报;2006年
10 朱德恒 谈克雄;电气设备状态监测与故障诊断技术[N];中国电力报;2002年
中国博士学位论文全文数据库 前10条
1 张爱萍;复杂网络社团探测方法及在轮机故障诊断中应用的研究[D];大连海事大学;2015年
2 王霞;非平稳信号特征提取方法研究及其在内燃机故障诊断中的应用[D];天津大学;2015年
3 向长城;基于可拓学的智能故障诊断与状态监测的理论及应用研究[D];重庆大学;2008年
4 刘应吉;车辆状态监测与故障诊断新方法研究[D];东北大学;2008年
5 胡友强;数据驱动的多元统计故障诊断及应用[D];重庆大学;2010年
6 高保禄;大型复杂机电设备分布式故障诊断方法研究[D];太原理工大学;2010年
7 曹玉苹;基于状态估计的石化过程故障诊断与预报方法研究[D];中国石油大学;2010年
8 李盘靖;远程协同故障诊断关键技术及其应用研究[D];西北工业大学;2006年
9 巩晓赟;基于全矢谱的非平稳故障诊断关键技术研究[D];郑州大学;2013年
10 侯俊剑;基于声像模式识别的故障诊断机理研究[D];上海交通大学;2011年
中国硕士学位论文全文数据库 前10条
1 马昂;基于改进LCD的WVD算法及其在故障诊断中应用的试验研究[D];燕山大学;2015年
2 张帅;车载嵌入式智能故障诊断终端的研究与设计[D];昆明理工大学;2015年
3 余晖;动车组交流传动主电路故障诊断的研究[D];西南交通大学;2015年
4 代崇敬;CRH3动车组变流器故障诊断的研究[D];西南交通大学;2015年
5 陈超;旋转机械状态趋势预测及故障诊断专家系统关键技术研究[D];郑州大学;2015年
6 夏毅;基于小波分析的感应电动机故障诊断[D];华南理工大学;2015年
7 闫利鹏;矿井提升系统监控与故障诊断的研究[D];山西大学;2014年
8 郭艳均;智能倒频谱及其在故障诊断中的应用研究[D];郑州大学;2015年
9 李桥;基于集合算法的故障诊断研究[D];沈阳理工大学;2015年
10 孟佳;基于数据驱动的低温余热发电系统的状态监测和故障诊断[D];华北电力大学;2015年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026