基于振动信号的柴油机小波神经网络故障诊断研究

摘要

为提高柴油机动力装置的安全性和可靠性，满足现代预防维修制度自动化系统的要求，对柴油机进行状态检测和故障诊断具有十分重要的意义。柴油机是一种典型的往复式动力机械，结构复杂决定了对其进行状态监测与故障诊断的困难性。本文在此背景下，确立了基于振动信号的柴油机故障诊断方法。 小波包分析是在多分辨分析的基础上提出的一种能够将频率分辨到任何细节的信号处理方法，它不仅能对低频信号进一步进行分解，而且对高频信号也一样，因此在故障诊断方面得到了广泛的应用。 人工神经网络是一种大规模的分布式并行处理系统，具有自组织、自学习、自适应和非线性动态处理等特性。对于解决复杂的非线性问题具有广阔的前景。 本文在对国内外研究现状进行分析的基础上，给出了一种基于振动信号的柴油机小波神经网络故障诊断方法，并进行了试验验证分析。首先对采集到的柴油机表面振动信号进行时域分析和频域分析，提取时域特征参量；其次应用改进的小波包阈值降噪方法，对采集到的信号进行降噪处理，通过实验验证本文提出的方法优于传统的阈值降噪法；应用小波包分析提取特征向量，将提取的样本集应用BP神经网络进行训练和测试，达到预期效果。通过实验对本文提出的方法进行验证，结果表明，使用小波分析和神经网络的结合能够对柴油机进行正确的故障诊断，并且和基于时域特征参数的神经网络故障诊断方法对比，本文提出的方法简单易行，具有广阔的应用前景。

目录

文摘

英文文摘

声明

1绪论

1.1引言

1.2柴油机故障诊断技术研究现状

1.2.1基于油液检测的铁谱和光谱诊断技术

1.2.2振动检测技术

1.2.3瞬时转速法

1.2.4噪声分析技术

1.2.5示功图技术

1.2.6智能化诊断技术

1.3柴油机故障诊断的发展趋势

1.4本课题研究的背景及意义

1.5本文的主要研究内容

2小波分析理论与神经网络

2.1小波分析

2.1.1正交小波

2.1.2正交多分辨分析

2.1.3 Doubechies紧支小波

2.2正交小波包分析

2.2.1小波变换与时一频分析

2.2.2正交小波包

2.2.3小波包算法

2.2.4小波消噪方法及在柴油机振动信号处理中的应用

2.2.5改进阈值的小波包消噪

2.2.6利用小波包分析进行信号特征提取

2.3神经网络综述

2.3.1神经网络的发展

2.3.2神经网络在故障诊断中的应用

2.4 BP网络

2.4.1BP模型计算公式汇总

2.4.2BP学习算法的改进

2.5小波神经网络

2.5.1小波分析和神经网络的结合途径

2.5.2小波分析和神经网络的松散型结合

2.6小结

3柴油机表面振动信号分析与处理

3.1柴油机振动的激振源及其传播途径

3.1.1柴油机振动的主要激励源

3.1.2振动力传播途径

3.2信号的获取及特征提取

3.2.1测点位置的选择

3.2.2测试系统的构成

3.2.3柴油机缸盖振动信号的特性研究

3.2.4柴油机缸盖系统模型

3.3柴油机表面振动信号的时域分析

3.4柴油机表面振动信号的频谱分析

3.5小结

4故障诊断实验与分析

4.1提取柴油机振动信号的特征值

4.2神经网络故障诊断系统的实现

4.2.1神经网络的设计

4.2.2网络的训练与测试

4.3实验验证与对比分析

4.3.1实验验证

4.3.2对比分析

4.4小结

5结论

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