论文部分内容阅读
柴油机作为车辆的重要动力总成,对其进行状态监测并提供故障预报具有重大意义。针对常规柴油机故障诊断采用稳态运转时振动信号诊断效果不理想的问题,本文提出了采用柴油机非稳态振动信号进行发动机机械故障诊断的思想。并以康明斯EQ6BT柴油发动机为研究对象,结合科研实际,开展了柴油发动机非稳态振动信号分析和智能故障诊断的研究工作。在柴油发动机动力学分析和振动机理分析的基础上,设计了重复性、稳定性良好的非稳态振动信号采集装置;从非平稳、非线性和非高斯特征分析的不同角度,提出了对非稳态振动信号分析切实有效的小波分形方法、盲源-双谱方法和EMD-AR谱方法;采用变精度粗糙集实现了故障特征的自动提取和优化选择;采用多源信息、多方法融合的多级融合策略,开发了柴油机机械故障智能诊断模块并嵌入车辆智能诊断仪,实现了单故障和双故障模式下故障部位和故障程度的有效识别。通过论文的研究工作,得出如下主要结论:①柴油机非稳态振动信号蕴含着丰富的发动机技术状态信息,采用合理技术手段分析非稳态振动信号,可以有效诊断采用稳态信号不易诊断出的故障。②采用小波分形方法、盲源-双谱方法和EMD-AR谱方法均能有效提取非稳态振动信号中分析对象的故障特征。在分析双故障模式的非稳态振动信号时,盲源-双谱方法和EMD-AR谱方法较小波分形方法更具优势。③盲源-双谱方法利用非线性PCA算法分离出非稳态振动信号主分量,其双谱分析结果的故障特征比单纯的双谱分析结果更加明显。④EMD-AR谱方法充分发挥了HHT方法处理非平稳、非线性信号具有的显著优势,并克服了由加窗效应带来解调信号两端出现较大误差的问题,得到的谱图平滑、清晰,在很宽频带范围均能有效识别故障,表现出良好的稳定性。⑤变精度粗糙集允许一定程度的错误分类率存在,提高了抗干扰能力,表现出比经典粗糙集更强的鲁棒性,得到稳定的特征频率面和故障特征。⑥采用支持向量机特征级融合和D-S理论决策级融合的两级融合诊断模型,综合了多源信息和多信号处理方法的优势,较好地解决了单个SVM诊断精度不高、泛化能力相对较弱的问题,显著地提高了故障诊断的精确性和稳定性。