基于EMD、關(guān)聯(lián)維數(shù)及神經(jīng)網(wǎng)絡(luò)的內(nèi)燃機(jī)故障診斷系統(tǒng)的研究.pdf

1、本文采用NI公司LabVIEW虛擬儀器開(kāi)發(fā)平臺(tái)，開(kāi)發(fā)了內(nèi)燃機(jī)缸蓋與氣門振動(dòng)信號(hào)采集的軟硬件系統(tǒng)、編寫了數(shù)字信號(hào)基于經(jīng)驗(yàn)?zāi)Ｊ椒纸?Empirical ModeDecomposition，簡(jiǎn)稱EMD)法分解及計(jì)算各分量關(guān)聯(lián)維數(shù)(Correlation Dimension)的LabVIEW程序，并用MATLAB平臺(tái)建立了內(nèi)燃機(jī)氣門間隙故障診斷的人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network)模型。組建了一套完整的基于EMD、

2、關(guān)聯(lián)維數(shù)與神經(jīng)網(wǎng)絡(luò)技術(shù)相結(jié)合的內(nèi)燃機(jī)燃?xì)庀到y(tǒng)故障診斷的虛擬儀器系統(tǒng)，并用浙江新柴動(dòng)力有限公司的490BPG型發(fā)動(dòng)機(jī)分別進(jìn)行了內(nèi)燃機(jī)失火、漏氣及氣門間隙狀態(tài)(氣門間隙偏小、正常、偏大、很大)的無(wú)拆卸故障診斷的試驗(yàn)研究，主要結(jié)論如下： 1)基于EMD、關(guān)聯(lián)維數(shù)及神經(jīng)網(wǎng)絡(luò)理論，采用LabVIEW虛擬儀器開(kāi)發(fā)平臺(tái)研制了一套內(nèi)燃機(jī)燃?xì)庀到y(tǒng)無(wú)拆卸故障診斷的虛擬儀器，該系統(tǒng)采用模塊化結(jié)構(gòu)，具有快速可重組的優(yōu)點(diǎn)，由壓電式加速度傳感器、光電傳感器

3、、電荷放大器、PCI-6133同步數(shù)據(jù)采集卡、PC機(jī)以及采用LabVIEW開(kāi)發(fā)的測(cè)試軟件構(gòu)成，測(cè)試軟件包括數(shù)據(jù)采集模塊、故障特征值定義模塊以及故障類型識(shí)別模塊三大部分。 2)進(jìn)行了內(nèi)燃機(jī)失火和漏氣的無(wú)拆卸故障診斷的試驗(yàn)研究，對(duì)缸蓋振動(dòng)信號(hào)進(jìn)行了試驗(yàn)分析，結(jié)果表明： ①內(nèi)燃機(jī)缸蓋振動(dòng)信號(hào)具有分形特征，可以用關(guān)聯(lián)維數(shù)作為表征故障的特征參量，且不同工況時(shí)缸蓋振動(dòng)信號(hào)的關(guān)聯(lián)維數(shù)區(qū)分明顯，相同轉(zhuǎn)速下正常工況時(shí)的關(guān)聯(lián)維數(shù)最高，漏氣故

4、障時(shí)的關(guān)聯(lián)維數(shù)次之，而失火故障時(shí)的關(guān)聯(lián)維數(shù)最低。 ②隨著內(nèi)燃機(jī)轉(zhuǎn)速的增加，各工況的關(guān)聯(lián)維數(shù)均有上升的趨勢(shì)，這說(shuō)明高速時(shí)內(nèi)燃機(jī)的工作狀況更復(fù)雜，缸蓋振動(dòng)信號(hào)的激勵(lì)源更豐富。 ③在生產(chǎn)實(shí)際中，只需建立相同型號(hào)內(nèi)燃機(jī)在典型工況(如怠速無(wú)負(fù)荷)時(shí)缸蓋振動(dòng)信號(hào)關(guān)聯(lián)維數(shù)的數(shù)據(jù)庫(kù)，即可快速地判斷內(nèi)燃機(jī)失火與漏氣故障。 3)進(jìn)行了內(nèi)燃機(jī)氣門間隙狀態(tài)的無(wú)拆卸故障診斷的試驗(yàn)研究，對(duì)氣門振動(dòng)信號(hào)進(jìn)行了試驗(yàn)分析，結(jié)果表明： ①內(nèi)

5、燃機(jī)氣門振動(dòng)信號(hào)同樣具有分形特征，但是各工況下氣門振動(dòng)信號(hào)的關(guān)聯(lián)維數(shù)區(qū)分不顯著，難以直接從氣門振動(dòng)信號(hào)的關(guān)聯(lián)維數(shù)趨勢(shì)圖上識(shí)別內(nèi)燃機(jī)的氣門間隙狀態(tài)。 ②針對(duì)上述情況，采用EMD分解法對(duì)內(nèi)燃機(jī)氣門振動(dòng)信號(hào)進(jìn)行自適應(yīng)分解，對(duì)分解后得到的前4個(gè)固有模態(tài)函數(shù)IMF(Intrinsic Mode Function)分別計(jì)算其關(guān)聯(lián)維數(shù)，將IMF1～I(xiàn)MF4的關(guān)聯(lián)維數(shù)作為神經(jīng)網(wǎng)絡(luò)的輸入向量，用4種工況(氣門間隙偏小、正常、偏大、很大)的80組樣