基于EEMD分解和多信息熵的气门间隙故障信号研究

摘要

柴油机作为一种人们的日常生活常见的动力装置，在国民经济中起着重要的作用，作为内燃机，其结构不仅复杂而且工作状态多变。根据相关部门统计，在柴油机故障的各种因素中，气门间隙引起的故障比较多，而且在经常维护下可以避免。本文从柴油机故障诊断的实际需求出发，选择柴油机中对影响燃烧较大的气门间隙作为研究对象，以分析缸盖振动的原理为基础，对柴油机气门的间隙故障诊断方法进行了一些深入的研究。 大功率柴油机有着很多的运动机构，其结构紧凑复杂。工作过程中振动激励源多、频率分布广，工作时间长，高负载，如果采用直接测量法得到的振动信号是一个典型的非平稳信号。目前大多数对内燃机的振动信号特征的研究结果适用于一些单缸，激励源少的内燃机的简易故障诊断。但是，对大功率柴油机振动信号处理和提取效果不是很理想。 本文针对大功率柴油机工作时信号是一种典型的非线性非平稳信号，设计开发了大功率柴油机械振动信号收集装置，提出使用经验模态分解（EMD）以及聚合经验模态分解（EEMD）对大功率柴油机气门间隙故障信号进行预处理。然后运用多种信息熵进行特征提取。通过本文最后的试验表明，聚合经验模态分解信号可以得到更加有效的特征参数，对其利用非常适合小样本故障识别的支持向量机对故障模式进行识别有良好的效果。 本文的设计方案，能对内燃机振动信号进行有效的采集和分析。通过对模拟信号的分析结果表明: EEMD方法对解决非线性、非平稳问题具有良好效果，分解后得到的每个IMF表现了原信号不同的局部特征信息，之后通过对各IMF的分析，提取能够描述故障信息的特征变量，通过各层所占能量比可以有效地描述不同工作状态振动故障特征。经过计算，通过聚合经验模态分解得到的相关系数区分性明显，能分辨真实IMF分量和包含噪声的IMF分量，达到的降噪效果十分有效，结合多信息熵特征，能准确地对大功率柴油机气门间隙进行状态识别与故障诊断，同时对内燃机的其他复杂工作状态下的故障特征提取和故障诊断提供了新的手段。

目录

声明

第一章 绪论

1.1 论文研究的背景及意义

1.2 故障诊断研究现状

1.3国内外内燃机故障诊断研究现状

1.4 本文主要研究内容

第二章 柴油机激励源与振动分析

2.1 柴油机结构与动力性能

2.2 柴油机振动特性分析

2.3 本章小结

第三章 柴油机气门间隙一维模拟及实验测试系统

3.1模型的分析与选择

3.2 一维工作循环仿真模型的建立

3.3 一维仿真模型的验证

3.4 一维工作循环仿真结果分析

3.5 柴油机试验测试系统

3.6 方案具体调整

3.7 实验测点布置

3.8柴油机时频信号采集

3.9 本章小结

第四章 基于EEMD与多信息熵的气门间隙信号特征提取

4.1 经验模态分解的理论基础

4.2 EEMD方法改进对比

4.3 相关系数计算及分解

4.4 IMF分量和能量比的计算

4.5熵与信号

4.6 信息熵的发展

4.7 信息熵的定义

4.8 信号时域的奇异谱熵

4.9频域模糊熵

4.10空间谱熵概念

4.11本章小结

第五章 气门间隙故障识别

5.1 理论介绍

5.2 映射原理

5.3 EEMD-奇异谱熵下的气门间隙故障识别

5.4 EEMD-模糊熵下的气门间隙故障识别

5.5 EEMD-空间谱熵下的气门间隙故障识别

5.6 基于EEMD信息熵融合的内燃机气门间隙故障识别对比分析

5.7 小结

第六章 总结与展望

6.1 总结

6.2 展望

参考文献

攻读硕士期间发表的论文及所取得的研究成果

致谢