基于振動(dòng)和潤(rùn)滑油分析的柴油機(jī)故障診斷.pdf

1、柴油機(jī)是燃燒柴油獲取能量釋放的發(fā)動(dòng)機(jī)，其優(yōu)點(diǎn)是扭矩大、經(jīng)濟(jì)性能好，主要應(yīng)用于重型汽車(chē)、大型客車(chē)、工程機(jī)械、船舶、發(fā)電機(jī)組等，在人們的日常生活和生產(chǎn)中起著舉足輕重的作用。但是在柴油機(jī)使用過(guò)程中不可避免會(huì)發(fā)生故障，如果故障不能及時(shí)發(fā)現(xiàn)不僅會(huì)給企業(yè)帶來(lái)因設(shè)備停工所的經(jīng)濟(jì)損失，還可能造成不可想象的重大事故，進(jìn)一步造成嚴(yán)重的經(jīng)濟(jì)損失甚至造成人員傷亡，因此柴油機(jī)的故障診斷一直是國(guó)內(nèi)外研究的熱點(diǎn)。隨著技術(shù)的不斷進(jìn)步，故障診斷手段和方法的不斷豐富使柴油

2、機(jī)的故障判斷水平取得了長(zhǎng)足的發(fā)展，本文的主要內(nèi)容就是基于振動(dòng)分析和潤(rùn)滑油分析對(duì)柴油機(jī)進(jìn)行故障診斷。主要開(kāi)展了以下幾個(gè)方面的工作：
　　首先對(duì)柴油機(jī)故障診斷常用技術(shù)手段和方法進(jìn)行了綜述，研究了基于經(jīng)驗(yàn)?zāi)B(tài)分解的AR模型和模糊熵的信號(hào)特征提取算法，并利用以上算法提取了能夠表征柴油機(jī)工作狀態(tài)的故障特征。對(duì)基于SVM的故障模式識(shí)別模型進(jìn)行了研究，并對(duì)其多分類(lèi)算法和參數(shù)尋優(yōu)算法進(jìn)行了分析。同時(shí)利用振動(dòng)時(shí)域分析方法對(duì)車(chē)載柴油機(jī)進(jìn)行了狀態(tài)監(jiān)測(cè)，

3、診斷出發(fā)動(dòng)機(jī)燃油系統(tǒng)故障和曲軸軸瓦間隙異常等故障，并通過(guò)對(duì)發(fā)動(dòng)機(jī)進(jìn)行解體驗(yàn)證方法的有效性。
　　接下來(lái)進(jìn)行了配氣機(jī)構(gòu)正常及四種故障條件下的臺(tái)架實(shí)驗(yàn)，利用EMD將振動(dòng)信號(hào)自適應(yīng)的分解到不同的頻率段，提取了各分量的AR模型參數(shù)、能量、奇異值和模糊熵等特征，最后利用遺傳算法（Genetic Algorithm，簡(jiǎn)稱(chēng) GA）優(yōu)化的SVM模型進(jìn)行故障診斷。結(jié)果表明：與信號(hào)能量、奇異值和模糊熵等特征相比Autoregressive model

4、（AR）模型參數(shù)可以更好的表征柴油機(jī)的工作狀態(tài)，此外GA可以明顯提高SVM模型的故障診斷正確率。
　　在以上研究的基礎(chǔ)上，對(duì)油液分析法以及潤(rùn)滑油作用和組成作了簡(jiǎn)要介紹，分析了紅外光譜的發(fā)展歷程和工作原理，以及在油液分析中的具體應(yīng)用，總結(jié)了紅外光譜在柴油機(jī)潤(rùn)滑油油液分析中的重要指標(biāo)如：氧化、硝化、添加劑損耗、煙炱、燃油稀釋、水含量、乙二醇含量等，總結(jié)了介電常數(shù)、鐵含量等油液分析中常用的理化指標(biāo)。進(jìn)行了柴油機(jī)油液分析實(shí)驗(yàn)，經(jīng)過(guò)對(duì)比柴油