原文传递
基于振动信号分析的发动机失火故障诊断方法研究
| 论文题名： | 基于振动信号分析的发动机失火故障诊断方法研究 |
| 关键词： | 发动机失火;故障诊断;振动信号分析;小波分析;遗传神经网络 |
| 摘要： | 发动机作为汽车的动力源，发生故障的概率很大，并且维修成本比较高，维修时间较长。其中单缸失火故障是发动机在使用中常见的一种故障，如果能够在发动机不解体的情况下确定发动机故障部位和故障器件，将具有很大意义。利用发动机气缸盖振动信号来提取发动机故障特征，方法简单，易于实现，能够达到发动机不解体的情况下正确诊断故障的效果；神经网络应用于电控发动机故障诊断，可以对故障类型做出正确的识别，且精度较高。 本文在对国内外故障诊断技术研究现状进行分析的基础上，提出了基于振动信号的电控发动机失火故障诊断方法。首先对发动机失火故障机理进行了深入研究，确定了造成发动机失火故障的原因，研究了发动机的振动情况，分析了发动机的振动激励源和振动传播途径；研究了发动机振动信号的分析方法，包括时域分析、频域分析，重点研究了小波分析方法。为验证理论方法的有效性，在型号为DN4G15的电控汽油机上测取了汽油机在单缸失火和正常状态下的振动信号。对采集到的汽油机气缸盖振动信号进行了时域分析、频域分析，利用小波包分析技术对振动信号进行分解重构，提取分解节点的频带能量。根据振动信号的分析结果提取了汽油机失火故障特征，建立了电控汽油机故障诊断遗传神经网络模型，将提取到的样本进行神经网络训练和测试，随机选取各缸失火故障样本进行测试诊断，诊断结果表明遗传神经网络可以对各样本做出正确的判断，且诊断精度优于神经网络模型，说明了该方法具有可行性。本论文的研究可为发动机失火故障诊断提供参考，具有一定的现实意义。 |
| 作者： | 张继洲 |
| 专业： | 载运工具运用工程 |
| 导师： | 谢春丽 |
| 授予学位： | 硕士 |
| 授予学位单位： | 东北林业大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
