一、基于小波变换的内燃机瞬时转速信号的分析（论文文献综述）
周全[1]（2021）在《汽车发动机异响诊断算法及产生机理的研究》文中进行了进一步梳理随着汽车工业水平的进步,目前发动机噪声的研究重点已落在声品质上,特别是发动机的异响问题,令很多车企研发人员无从下手。由于大部分异响属于发动机噪声问题中的疑难杂症,缺乏有效的诊断方法和理论上的研究,因此需要提出一些创新性的信号处理方法来更好地提取并分析这些异响的特征,并归纳出异响的产生机理。本文围绕汽车发动机的异响诊断算法和异响的产生机理研究这两个方面展开,主要工作内容与成果如下:研究了短时傅里叶变换时频图的精细度和能量分布的变化规律,对比了多分量非稳态仿真信号的短时傅里叶变换和S变换时频图结果,指出两种算法对非稳态部分信号的能量分布具有“栅栏”现象。介绍了非线性调频变换算法（Nonlinear Chirp Transform,NLCT）,通过引入随调频信号瞬时频率不断变化的旋转算子和频移算子,优化了时频图的能量分布,并结合Vold-Kalman阶次滤波和NLCT变换提出了Vold-Kalman调频变换算法（VoldKalman Chirp Transform,VKCT）,其适用于分析与汽车发动机转速相关的振声信号。研究了当单个初始频率附近存在多个信号时,变分模态分解（Variational Mode Decomposition,VMD）的分解优先级,提出了U型模态分解优先级的概念。讨论了VMD算法的欠分解和过分解现象,并指出这类模态混叠现象的本质原因是VMD算法初始中心频率的数目及取值与实际混合信号中的分量信号不匹配。提出一种基于二分法的变分模态分解方法（Dichotomy-based Variational Mode Decomposition,DVMD）,能够自适应地搜寻混合信号中实际分量的个数及对应的中心频率。基于DVMD算法诊断了某乘用车发动机在怠速工况下产生的“吭吭”声异响。通过系统性地研究缸盖总成各部分结构对异响的影响,发现了异响声幅值对凸轮轴正时调节（Variable Camshaft Timing,VCT）系统的参数敏感,特别是凸轮轴调节器的角度和机油压力控制阀（Oil Control Valve,OCV）的占空比。通过DVMD算法分离提取了发动机缸盖表面振动信号中的异响相关分量,结合曲轴与凸轮轴的瞬时转速、VCT系统内部的机油压力等数据综合分析,明确了“吭吭”声异响的产生机理。基于VKCT算法诊断了某乘用车发动机在加速过程中出现的“咕噜”声异响。通过声强法对异响的分布特性进行了研究和分析,明确了异响主要来源于汽车发动机,通过VKCT算法提取了发动机振动信号中的异响分量,根据对比分析指出“咕噜”声异响来源于曲轴扭振。通过发动机曲轴的弯扭振动测试及更换不同工作频率TVD的试验,验证了“咕噜”声异响的产生机理。针对汽车发动机稳态及瞬态工况下的机械与燃烧噪声分离,提出了基于维纳滤波的稳态工况燃烧噪声分离算法和基于多元回归的瞬态工况燃烧噪声分离算法。研究了某三缸汽油机在不同转速和负荷条件下的机械燃烧噪声占比变化情况及其内在机理,诊断了某SUV车型的发动机在急收油门时刻下产生的“呲呲”声异响。对该发动机的表面辐射噪声和机体表面的振动信号进行了机械贡献和燃烧贡献分离,根据机械噪声和燃烧噪声的时频图结果诊断出此异响来源于发动机燃烧室内的异常燃烧,并通过优化发动机的点火提前角控制了异响。
张卿杰[2]（2020）在《次同步振荡与轴系扭振的测试与分析》文中研究指明“西电东送”、“北电南送”,“全球能源互联网”的电网发展大格局下,高压直流输电、远距离输电势在必行,与此同时,传统能源趋紧,环境保护意识提高,新能源发展迅猛,风力发电渗透率提高,高性能电力电子设备应用广泛、旋转轴系无级调速设备使用增多的背景下,都使得目前次同步振荡与轴系扭振问题处在相对高频发生的又一个历史阶段。本文主要研究次同步振荡与轴系扭振的测试与分析方法,采用次同步振荡中特征结构分析与暂态时域仿真分析高压变频调速导致的引风机组轴系扭振问题。本文研制了基于单端瞬时转速的扭振测试分析系统,以及为了方便评估对扭角信号的分析精度,研制了基于扭振信号逆向解调的任意扭振信号模拟器。评估了扭振测试FFT分析中周脉冲数、插值方法、插值点数、FFT窗函数等因素对分析精度的影响。针对FFT类方法不能够高精度、高分辨率辨识出时变间谐波参数,提出应用PRONY方法辨识。PRONY方法可以超分辨率辨识信号,但是在低阶PRONY辨识中对噪声极其敏感。提高信号的信噪比则有助于提高PRONY辨识精度与降低PRONY拟合阶数。提出应用经验模态类分解方法（EMD、EEMD、CEEMD、CEEMDAN、ICEMMDAN、MCEEMD）分析轴系扭振信号,经验模态类分解方法可不受信号测不准原理制约,但其存有模态混叠,以及端点效应问题,尤其是针对次同步振荡中信号。提出了应用ICEEMDAN与排列熵结合后的去噪方法,去噪后再进行PRONY分析,可提高PRONY分析精度。提出应用小波阈值算法进行去噪,其去噪性能略优于ICEEMDAN方法,但小波基函数选择工作量比较大。为了进一步提高信噪比,提出了基于ICEEMDAN、小波阈值、Robust-ICA、PRONY联合算法,通过ICEEMDAN对信号进行分解,分解得到的模态分量作为Robust-ICA的输入,将通过Robust-ICA算法得到的独立成分采用小波阈值去噪,去噪后的信号再乘以混合矩阵,将更新后的模态分量合成,得到去噪后的信号,该方法提供了一种在ICEEMDAN、小波阈值去噪基础上进一步提高信号信噪比的可能,去噪后再用PRONY辨识,可得到更高精度的辨识参数。在轴系扭振与次同步振荡测试与分析中,不仅可以用瞬时速度来进行分析,其余机械量与电气量也能反映相关特征信息。对次同步振荡第一标准模型展开了研究,采用特征结构分析方法获取扭振模态,通过暂态时域仿真获取相关信号,分别进行了FFT与高阶PRONY分析。其中机械量信号（转速、扭矩、扭振）中可以获得更多的模态信息。电气量中电压、电流因为工频分量存在,次同步振荡模态分量占比较低,且以工频分量的互补分量形式呈现,经PARK变换后,对称的工频分量会转换为直流分量,可突出次同步振荡分量。在有功与无功信息分析中,能够得到多于电压、电流分析获得的次同步振荡信息。高压变频器调速导致引风机轴系扭振的问题是机电能量的耦合问题,单一分析机械结构或者电气控制方面的原因,难以全面解决问题。本文采用特征结构分析法、时域机电暂态仿真法对此问题展开研究。采用基于分步曲线拟合的方法从引风机性能曲线中得到引风机传动模型,建立了罗宾康结构式高压变频器详细模型。通过特征结构分析法,可得到引风机轴系随着运行频率变化的不稳定运行区间,但其采用小信号线性化模型,有一定误差。通过小步长暂态时域仿真法,分别对理想变频器与罗宾康高压变频器进行了分析,通过频率逐段扫描,得到系统不稳定运行频率区间。罗宾康高压变频器的电气阻尼会随着高压变频器内部相关参数会有所变化,研究了系统轴系弹性参数、阻尼参数、压频比参数、定子接入的电抗、电阻等参数对不稳定运行区间的影响。随着当下变频驱动技术的广泛普及,越来越多的旋转轴系系统可以进行宽范围的调速,但均有可能长期运行在扭振谐振区域,此类扭振问题与电力系统内次同步振荡问题类似,可以借鉴次同步振荡的分析与抑制研究。本文建议在系统设计初的时候,可进行本文中类似仿真计算,在技术说明书中标识系统谐振区域,以便运行时主动规避谐振区域,对现有变频驱动系统中,根据实际条件,进行扭振仿真测试实验,从而标识出系统中的谐振区域,在调速实验中,要考虑频率变化率对谐振区间影响,对于已出现轴系扭振系统中,可考虑增加系统自阻尼、串接定子电阻或者在变频驱动控制过程中加入扭振监控后进行扭振抑制控制。
刘嘉蒙[3]（2020）在《基于信号特征分析的柴油机故障诊断方法研究》文中研究说明作为生产和生活的动力支持,柴油机一直作为核心部件工作在车辆、舰船、电力等各个领域,是当前推动国家发展的重要支持。柴油机工作过程中,环境往往复杂多变,运行过程中会受到各种未知因素的干扰,运行过程中一旦发生故障,可能会对生活生产造成影响。出现故障时,轻则延缓工作进程、降低效率,重则可能造成机组损毁,甚至伤及现场工作人员。对柴油机的故障诊断进行研究,保障柴油机工作过程中的良好稳定运行,有助于在出现故障的时候能够迅速做出诊断,从而为后期工作铺垫,保障生活生产的顺利进行,维持安全可靠性。因此,对柴油机故障诊断进行研究具有重要的意义。本文以柴油发动机为研究对象,在对常见故障的研究基础上,以提高故障诊断准确率为工作目标,结合故障诊断的实际应用,提出了有效的柴油机故障诊断方法,改善了故障诊断技术,并利用相关故障模拟实验和实际工程故障案例进行验证。本文的主要研究内容包含以下部分:首先,针对运行环境工况变化,结合故障诊断中测试训练数据分布特点,开展变工况下故障特征提取方法研究。提出一种基于领域对抗网络的故障特征提取方法,建立了领域对抗网络模型,提高了训练与测试数据不受工况环境变化影响的分析处理能力,降低了数据来源对诊断结果的影响,实现了与训练集样本差距较大情况下的故障特征提取过程,并通过故障模拟实验对提出方法进行了验证。其次,结合概率图模型原理和故障诊断技术,开展柴油机故障概率推理方法研究。针对三种柴油机常见故障类型,建立了多层网络的故障概率诊断模型,通过对信号和机组零部件寿命状态的分析,实现对潜在故障发生可能性的概率推理。对诊断网络框架进行了设计,确定了故障类型与信号特征的网络节点对应关系,并通过模拟实验对提出方法进行了验证。最后,基于故障特征和柴油机的结构特性研究结果,开展柴油机缸内失火故障诊断方法研究。提出了一种基于多信号特征的柴油机故障诊断方法,建立了失火故障诊断网络,确定了缸头节点与信号成分节点的多状态对应关系,降低了诊断模型参数设置的复杂度,实现了结合辅助推理的故障诊断,通过多工况失火故障实验对提出方法的诊断稳定性进行了验证。本文对柴油机故障诊断进行了研究,提出了故障诊断新方式,扩宽了柴油机故障诊断研究思路,为柴油机的良好工作运行提供了保障,在实际工程运用上具有重要的意义。
高志龙[4]（2020）在《基于状态智能预警驱动的柴油机IETM关键技术研究与应用》文中研究表明柴油机作为一种关键动力设备,被广泛用于船舶航运、轨道交通、石油化工、能源电力、矿山机械、装备动力等相关行业,在国民经济乃至国防安全领域发挥着极为重要的作用。但由于其部件众多、结构复杂、工况恶劣,极易发生故障。一旦出现恶性故障将会导致停工停产,严重时甚至引发危及人身安全的重大事故。然而,当前柴油机监测报警技术较为落后,故障发生后无法得到精准识别,导致检维修效率低下。通过研究柴油机故障发生机理与对应的特征信号,借助先进算法有效提取特征参数,以实现柴油机典型机械故障的预警与诊断。并将故障诊断与交互式电子技术手册（IETM）技术相结合,实现监测、预警、诊断、维修、维护、管理等综合保障功能的深度融合,从而提升柴油机运行的安全性、可靠性和可用性。本文以大功率柴油机为对象,以提高其典型机械故障预警诊断水平和维修保障能力为目标,通过对典型机械故障机理的深入分析,研究适用于不同种类故障的预警和诊断方法。结合智能诊断算法实现柴油机运行工况的自动识别,提高预警和诊断准确率。最后探索基于故障预警驱动的IETM设计方法与架构。论文各章节主要研究内容如下:首先,综合归纳大功率柴油机典型机械故障类型,理清传统诊断方法面临的问题与挑战,分析智能诊断预警技术现状。研究国内外IETM技术发展历程、技术难点和未来发展趋势。在现有研究基础上,总结基于智能预警驱动的柴油机IETM系统关键技术点。其次,针对柴油机连杆衬套滑移,轴瓦磨损两类疑难故障,开展理论建模研究。通过建立相关数学模型,寻找故障典型特征。提出基于SAW（声表面波）无源无线测温技术的柴油机轴瓦磨损类故障预警诊断方法。研制柴油机连杆大小头瓦无线温度传感器,通过故障模拟试验证明该方法的有效性;然后,针对曲轴弯曲微变形这类恶性故障,建立多体动力学模型,通过模拟、仿真、分析其对应的故障特征及敏感参数,探究该类故障预警诊断的有效方法,并通过理论分析与实际故障案例相结合的方式证明该方法可行性;研究基于振动信号自适应的EMD降噪和聚类算法的柴油机运行功率自动识别算法,通过该算法实现对柴油机运行工况的自动识别。在无需增加传感器的前提下,引入柴油机输出功率作为预警诊断参考指标。此外,结合瞬时转速、温度、压力等参数,研究基于多源信息融合的复杂故障预警诊断方法,提高故障预警诊断的准确性。在上述研究成果的基础上,总结柴油机典型故障诊断系统设计方法。并利用实验和工程实际案例数据对系统功能进行验证。最后,研究基于智能预警驱动的IETM设计方法与架构。梳理传统IETM研制流程和编制规范,提出智能预警诊断技术与IETM相结合的实现方案,并给出基于状态智能预警驱动的柴油机IETM总体实现方法和步骤。
应铭[5]（2020）在《基于DSP的柴油机监测系统研发》文中指出柴油机由于其较高的热效率、较低的燃油消耗率、较好的适应性、宽广的功率范围,已广泛应用于工业、农业、交通运输业和国防建设事业。因其特有的优点,在今后相当长的时期内仍将处于不可替代的地位,对其进行状态监测和故障诊断是十分必要的。本文系统阐述了柴油机监测系统国内外研究现状,在结合实际项目的基础上提出了柴油机监测系统总体设计方案。为实现柴油机监测系统功能,选用DSP56F807作为柴油机监测系统主控芯片,完成了主控制器原理图和PCB图设计,分析了蓄电池电压、蓄电池电流、蓄电池内阻、喷油压力、缸盖振动与瞬时转速的信号特点并选择了合适的检测方法,设计了相应的信号调理电路。在所设计的硬件基础上,给出了监测系统软件设计,实现了DSP模拟信号和转速信号的采集,并设计了串口通讯协议解决了大量数据的传输问题。最后使用Lab VIEW完成了人机交互界面设计,实现了柴油机状态监测功能。针对柴油机缸盖振动信号含有大量非平稳噪声影响故障诊断的问题,本文在系统分析小波降噪实时性影响因素的基础上,论述了原位提升小波相较于其他小波算法不具有实时性优势,给出了实时小波降噪系统构建要点。选择了多工况下缸盖振动小波降噪较优参数,并设计了快速小波降噪C程序。同时,针对变转速工况下单一振动信号故障诊断准确率较低的问题,设计了振动与转速相融合的RBF神经网络故障诊断系统,并使用粒子群算法对其进行优化,取得了较好的效果。在整合系统硬件和软件的基础上,通过搭建系统实验平台,实验验证了柴油机监测系统的有效性和故障诊断的准确性,对后续柴油机监测系统的设计具有参考和借鉴意义。
刘志伟[6]（2020）在《内燃发电机组转子故障动力学特性的理论与实验研究》文中提出内燃发电机组作为内燃机车的供电设备,主要包括内燃机、联轴器、发电机、膨胀水箱、液压泵组等构件,其结构复杂。在运行过程中内燃机受周期性变化的外激力影响,导致振动故障频繁发生。厘清内燃发动机组复杂转子系统的振动特性,及时发现、诊断故障并采取有效的措施显得尤为重要。本论文通过理论与实验相结合,主要研究内燃机失火、联轴器不对中、碰摩等故障对内燃发电机组转子动力学特性的影响。论文工作包含以下几个内容:（1）研究了失火故障对内燃发电机组扭转振动特性的影响。将6缸内燃发电机组采用集总参数模型进行曲轴系的离散,变成一个10自由度的扭转动力系统,利用系统矩阵法建立内燃发电机组曲轴轴系的动力学方程,采用主元消去法,直接得到扭转振动的角位移和角速度。考虑不同转速和负载时,分别计算正常工况、单缸失火工况和两缸同时失火工况时内燃机自由端和联轴器输出端各谐波下的扭转振动角位移。数值分析说明失火工况对联轴器扭转振动产生较大的振幅。（2）进行了不同失火程度时内燃发电机组扭转振动理论与实验的研究。基于实际运转工况,搭建柴油机-联轴器-测功机实验台,在不同负载下,进行升速扫频,记录自由端的转速波动信号和联轴器输出端扭矩信号。分析了正常工况、单缸失火工况和两缸同时失火工况时自由端扭转振动各谐波下角位移和联轴器输出端各谐波下扭矩的动力学特性。结果表明,在各种工况下的理论计算结果与实验测量结果基本吻合。此外,比较了转速传感器和扭矩传感器对诊断失火故障的特征和定位的有效性。实验结果表明,两种传感器均能诊断出失火特征,转速传感器定位效果优于扭矩传感器。（3）考虑角度不对中和碰摩故障,利用拉格朗日方程推导飞轮-联轴器系统横向振动和摆动的加速振动响应动力学方程,进而推导了在加速过程中角度不对中引起的力和力矩的表达式。分别考虑了存在角度不对中、碰摩及两者耦合故障时,利用时域和频域方法分析横向振动和摆动的非稳态动力学特性。结果表明:角度不对中与碰摩故障对系统非稳态振动的影响明显不同。（4）研究了联轴器不对中故障对发电机转子系统的动力学影响。根据拉格朗日方程推导联轴器-发电机转子系统动力学方程,利用龙格库塔法进行数值求解。研究平行不对中和角度不对中对发电机转子动力学特性的影响,结果显示平行不对中和角度不对中均能够引起发电机转子系统产生超谐共振现象。此外,分析了等效刚度对发电机转子系统动力学响应的影响,并且研究了不同磁极对数对发电机转子系统动力学响应的影响。（5）飞轮-联轴器转子系统动力学实验研究。以内燃发电机组中实际飞轮-联轴器结构为基准,搭建飞轮-联轴器系统转子实验台。在不同不对中工况下,进行升速扫频实验,记录每个转速下飞轮端和联轴器端的振动数据。分析不对中对飞轮端和联轴器端过临界转速时的影响,与理论结果进行比较,发现实验结果基本验证了理论结果,并在实验中发现飞轮与联轴器振动的新现象。此外,实验还分析了共振和超谐共振对系统振动的影响。总之,本论文以内燃发电机组为研究对象,开展各种故障工况对系统动力学特性的影响,并用实验进行了验证。研究结果可为内燃发电机组后续的研究工作提供了理论基础和求解方法,同时为工程应用提供了一定的理论指导。
陈超[7]（2019）在《基于振动、滑油监测的柴油机故障预警系统研究》文中认为柴油机是一种结构复杂的动力机械设备,作为动力的主力常用于船舶、大型汽车、应急设备中,它的运行状态直接关系着整个系统稳定性。随着数字电路和计算机的快速发展,推动了柴油机设备故障预警系统的发展,柴油机故障预警系统是利用柴油机设备在运行时测取的状态信息,在通过对状态信息进行分析,从而判断机械设备的状态。本文以柴油机故障预警系统为研究对象,对基于振动信号和滑油参数的故障特征提取以及故障预警作研究。本文主要的研究内容是:先从柴油机缸盖表面的振动信号分析,研究缸盖振动特性,分析缸盖表面上受到的激励源,说明缸盖上振动信号能够表征柴油机工作状态,并分析振动信号的时域与频域特性;采用双树复小波包的自适应分块阈值降噪对信号进行降噪处理,在通过双树复小波包变换对降噪后的原始信号进行特征参数的提取,将提取的特征参数代入RBF神经网络进行训练,对柴油机的状态进行识别,验证了RBF神经网络在柴油机故障预警的应用可行性;柴油机滑油可以对柴油机内部零件进行润滑功能,减少机械摩擦,带走机械表面的磨损颗粒,通过对滑油中的铁磁颗粒浓度、含水率进行趋势分析法可以对柴油机故障预警。本文的研究成果已经应用到实际的设备上,在实际运行结果表明,本套研究系统已经初具故障预警的功能,这对柴油机故障预警具有重要的参考意义。
魏东海[8]（2019）在《基于缸盖振动信号的柴油机变工况气门间隙异常诊断方法研究》文中研究表明气门是柴油机的主要运动部件之一,它的工作好坏直接影响到柴油机的换气效果。由于气门运动十分频繁,且伴有不断的冲击,因此很容易发生磨损导致气门间隙发生改变,这会导致柴油机输出功率下降,严重时可能会引起其它部件的故障进而危及到整台机组和现场工作人员的安全。因此,准确及时地诊断出气门间隙异常的故障对于保障柴油机的工作效率和工作安全起着十分重要的作用。目前,基于振动信号的诊断方法因其具有信号便于采集和监测等优点被许多研究人员用于柴油机的故障诊断中。特别是缸盖振动信号,包含了大量关于气门冲击的有效信息。然而柴油机本身结构较为复杂,振动传播的路径较多,缸盖振动信号一般表现出明显的非平稳特性。如何更加有效的从采集到的缸盖振动信号中提取到表征气门间隙异常的敏感故障特征,以及对于不同的故障类别进行准确的识别是目前基于缸盖振动信号分析的气门间隙异常的故障诊断技术中两个急需解决的关键性问题。本文基于上述关键性问题,主要进行了以下几方面的实验和研究:（1）在变工况条件下进行了气门间隙异常的故障模拟实验。针对现场实际机组搭建了成套状态监测系统,对气门间隙增大时缸盖振动信号进行了监测,并采集了7种不同气门间隙状态的振动信号。在时域上,分析了冲击信号在一个周期振动信号中的相对位置;在频域上,对缸盖振动信号中各激励产生的冲击成分所处的频段范围进行了研究。（2）对比分析了不同的非平稳信号处理方法,主要包括:小波包分解,集合经验模态分解以及变分模态分解。在详细介绍原理基础之上,研究了变分模态分解的参数优化选择方法和气门间隙异常的故障特征提取方法,依据最小功率谱熵值原理,实现了惩罚因子和分解层数的自适应选取。对处理后的信号提取了时域、频域和奇异值等特征。（3）研究了多种特征降维处理方法和基于机器学习的故障模式识别方法。首先,利用t-分布邻域嵌入算法将高维特征降至三维,进行了可视化分析,k-最近邻算法中通过分析最高识别率下的k值来确定最优参数;然后,利用核主成分分析方法进行非线性降维,依据特征贡献率了选定能表征90%原始特征信息的低维特征;最后,基于随机森林中的特征重要性得分进行了特征选择。将小波包分解和支持向量机结合,集合经验模态分解和k-最近邻结合,变分模态分解-奇异值分解和随机森林结合,对这三种故障诊断方法进行了对比分析。
董翔文[9]（2019）在《旋转机械扭振模态参数识别研究及软件实现》文中提出随着旋转机械的运行工况向着重载、高压、高温、高速、非稳定等方向发展,极端工况使旋转机械转子负荷严重,更易引发机械转子扭转振动。为了更准确地监测与分析转子扭转振动,本文以旋转机械转子为研究对象,研究转子扭振测量、分析及模态参数识别等相关内容。针对传统扭振测量方法进行改进,提出一种双齿法扭振测量方法,通过仿真确定了其测量的正确性和可靠性。研究了信号测量中噪音、弯振和信号趋势项的影响并给出了处理方法。分析了双齿法扭振测量中测量误差的影响,给出了齿轮齿数与采样频率之间的对应关系。对齿轮分度误差和齿偏心误差进行分析,并提出了相对的解决方案。在双齿法扭振测量的基础上对转子扭振试验进行设计,其中包括扭振试验台设计和测量流程设计。通过双齿法扭振试验验证方法的可行性。在改变转速和齿轮齿数情况下对扭振信号进行测量,通过最大扭振角位移间接估计了扭振固有频率,试验结果表明:（1）双齿法可以准确的得到转子瞬时转速;（2）不同转速下,通过提取扭振最大角位移估计转子扭振固有频率是可行的。采用时频分析算法对转子瞬时转速提取进行了研究,对比了短时傅里叶变换、Wigner-Ville分布和小波变换三种方法,结果表明小波变换提取结果更优。提出一种基于小波降噪的小波脊提取方法,并对试验信号进行分析,结果表明基于小波降噪的小波脊提取方法可以有效的提取瞬时转速。对扭振模态参数识别算法进行研究,并对试验数据进行分析,结果表明扭振识别算法可以达到扭振模态参数识别效果。根据扭振测量方法及信号处理方法,基于MATLAB平台开发了扭振模态参数识别软件,此软件可以实现转子扭振测量与分析的功能。
毕晓阳[10]（2019）在《基于单通道振动信号解析的柴油机典型故障智能诊断方法研究》文中研究说明柴油机由于复杂的结构和恶劣的工作条件导致故障时有发生。为保证柴油机及以其为动力源的机械系统安全可靠地工作,减少因突发故障带来的损失,柴油机健康状态评估与不解体故障诊断成为现阶段的前沿研究课题之一。柴油机振动信号中包含了丰富的工作状态信息,但由于柴油机结构复杂、运行工况多变,且在故障发生早期其特征信号往往是相对弱功率的信号,无法直接利用柴油机振动信号评估柴油机健康状态和诊断故障。因此,如何对柴油机振动信号进行深度分析,并提取能够表征其运行状态的关键特征参数,就成为柴油机故障诊断方法研究中的关键问题。论文从柴油机常见故障问题出发,将出现概率较高的气门间隙故障与燃油系统故障作为识别对象,开展了由单通道振动响应信号提取并识别故障源信号及其状态特征的故障诊断方法的研究工作,主要成果如下:（1）论文提出了一种优化的变分模式分解（VMD）与独立分量分析（ICA）相协同的信号处理方法,可由单一通道振动信号快速准确地提取出多个独立的源信号。首先,利用VMD算法对单一通道信号进行分解,得出了一系列的本征模态函数（IMF）。该方法较传统经验模态分解（EMD）等递归分解方法在准确性方面具有较大的优势。然后,利用ICA算法对VMD算法所得结果进行处理,解决了VMD算法无法区分柴油机中可能存在的同频率非同源信号的问题。分析过程中,对VMD算法的分解层数K与二次罚项α进行了优化,提出了一种获得最佳参数组合的有效方法,针对论文所选柴油机最终确定了最佳参数组合为K=6、α=8400。最后对比分析了ICA的多种算法,包括快速独立分量分析（Fast ICA）、鲁棒性独立分量分析（Robust ICA）和基于核方法的独立分量分析（KICA）对VMD分解结果进行二次处理时的准确性与计算效率,结果表明Robust ICA在准确性与计算效率方面具有相对较好的综合性能。论文采用优化的VMD与Robust ICA协同分析的方法对实测振动信号进行了处理,并取得了很好的效果,为下一步的故障特征提取打下良好基础。（2）在故障特征提取研究方面,提出了一种双谱对角线投影分析方法,解决了现阶段双谱分析对角线切片方法易丢失大量的双谱分析结果信息以致不能全面体现振动信号特征的问题,实现了对振动源信号双谱分析结果中的特征信息更为精确的提取。论文首先提出了对角线投影和对角线累积两种分析方法,对比分析了两种方法所得的振动源信号特征,并与原始的对角线切片方法所得振动源信号特征进行了对比,结果表明对角线投影方法能够获得更为全面的特征信息。然后对前述优化VMD与Robust ICA协同方法处理后所得的独立源信号进行了双谱分析,以双谱对角线投影结果为基础,计算了均值、方差、偏斜度、峭度、峰峰值、方根幅值、均方根值、香农熵、最大奇异值、四阶累积量等十种不同的特征参数并进行对比。提出了一种可视化的特征参数选择方法,实现了由单一参数同时描述特征的聚类程度与类间区分度,并依照这一方法对十种参数进行优先级的排序,为故障模式智能识别提供了特征参数的选择依据。（3）论文在对振动信号的处理方法和故障特征提取方法进行深入研究的基础上,设计了基于深度信念网络（DBN）的多重样本分类器,将优先级最高的四个特征参数作为分类器的输入,对柴油机的工作状态进行了识别。首先利用特征参数代替原始信号作为DBN分类器的输入,简化深度信念网络的结构,提高了诊断效率。然后构建DBN网络,对柴油机气门间隙、喷油量两种常见典型故障共六种状态（包含早期故障在内的五种故障状态和正常状态）进行识别,验证了DBN具有较好的故障模式识别能力和效率,实现了对多种类型故障及其故障程度快速准确的诊断。最后,经与遗传算法-BP神经网络（GA-BP）所得诊断结果进行对比表明,无论是单一故障诊断的准确率还是多种故障诊断的准确率均有显着提升,其中对多故障识别的准确率由87%上升到了95.3%,从而验证了论文所设计的分类器的优越性。综上所述,论文利用单通振动信号,以VMD、ICA、双谱分析和DBN等方法为基础,通过大量优化与对比分析建立了一套准确高效的柴油机典型故障诊断方法体系,对早期故障的识别能力和对不同工况的适应性上均取得了较好的效果。该方法体系虽然针对柴油机典型故障建立,但具有一定的普适性,对机械机构健康状态评估及早期故障诊断技术开发与工程应用具有一定的指导作用。
二、基于小波变换的内燃机瞬时转速信号的分析（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于小波变换的内燃机瞬时转速信号的分析（论文提纲范文）
（1）汽车发动机异响诊断算法及产生机理的研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.1.1 课题研究背景 |
| 1.1.2 课题研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 发动机振动噪声研究现状 |
| 1.2.2 异响研究现状 |
| 1.2.3 信号处理方法研究现状 |
| 1.2.4 本文研究课题的提出 |
| 1.3 本文研究内容与安排 |
| 2 NLCT时频分析算法的基本原理与仿真试验研究 |
| 2.1 引言 |
| 2.2 现代时频分析技术原理及仿真研究 |
| 2.2.1 短时傅里叶变换 |
| 2.2.2 广义S变换 |
| 2.2.3 线性调频变换 |
| 2.2.4 非线性调频变换 |
| 2.3 本章小结 |
| 3 DVMD盲源分离算法的基本原理与仿真试验研究 |
| 3.1 引言 |
| 3.2 DVMD的基本原理 |
| 3.2.1 变分模态分解原理简介 |
| 3.2.2 变分模态分解的分解优先级 |
| 3.2.3 DVMD的分解策略 |
| 3.3 DVMD与其他盲源分离方法的仿真试验比较研究 |
| 3.4 本章小结 |
| 4 基于DVMD算法的发动机稳态机械异响诊断及机理研究 |
| 4.1 引言 |
| 4.2 怠速异响声源定位试验研究 |
| 4.2.1 某乘用车怠速异响案例背景 |
| 4.2.2 缸盖总成机械结构系统影响研究 |
| 4.2.3 缸盖总成电子控制系统影响研究 |
| 4.3 基于DVMD算法的怠速异响特征分量提取 |
| 4.4 角度域下的怠速异响成因及机理研究 |
| 4.5 本章小结 |
| 5 基于VKCT算法的发动机瞬态机械异响诊断及机理研究 |
| 5.1 引言 |
| 5.2 VKCT时频分析方法原理 |
| 5.2.1 AGST时频变换 |
| 5.2.2 脊线提取技术 |
| 5.2.3 Vold-Kalman阶次分离 |
| 5.2.4 VKCT时频分析算法 |
| 5.3 某乘用车加速工况异响识别 |
| 5.3.1 某乘用车加速工况异响案例背景 |
| 5.3.2 整车异响分布特性研究 |
| 5.4 某乘用车加速工况异响机理研究 |
| 5.4.1 基于VKCT时频分析算法的异响特征提取与诊断 |
| 5.4.2 加速工况异响的机理研究及控制 |
| 5.5 本章小结 |
| 6 发动机燃烧噪声的分离算法及燃烧异响诊断研究 |
| 6.1 引言 |
| 6.2 发动机燃烧噪声的分离算法 |
| 6.2.1 基于维纳滤波的稳态工况燃烧噪声分离算法 |
| 6.2.2 基于多元回归的瞬态工况燃烧噪声分离算法 |
| 6.3 发动机稳态工况燃烧噪声和机械噪声的分离研究 |
| 6.3.1 1500r/min燃烧噪声分离结果 |
| 6.3.2 3000r/min燃烧噪声分离结果 |
| 6.3.3 5500r/min燃烧噪声分离结果 |
| 6.4 发动机瞬态工况的燃烧异响分离及诊断研究 |
| 6.4.1 某SUV车型急收油门工况异响案例背景 |
| 6.4.2 急收油门工况振声信号燃烧与机械贡献分离研究 |
| 6.4.3 急收油门工况燃烧异响控制 |
| 6.5 本章小结 |
| 7 全文总结 |
| 7.1 研究成果与结论 |
| 7.2 创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 作者简介 |
| 教育经历 |
| 攻读博士期间发表的论文 |
| 攻读博士期间参与的项目 |
（2）次同步振荡与轴系扭振的测试与分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 课题研究现状 |
| 1.2.1 次同步振荡与轴系扭振问题的研究进展 |
| 1.2.2 次同步振荡与轴系扭振主要分析方法 |
| 1.2.3 次同步振荡与轴系扭振主要监测方法 |
| 1.2.4 次同步振荡与轴系扭振抑制的主要方法 |
| 1.3 课题主要研究内容 |
| 第二章 轴系扭振测试与分析 |
| 2.1 基于单端瞬时转速的扭角信号提取 |
| 2.2 扭振信号模拟 |
| 2.2.1 三角波扭角信号模拟 |
| 2.2.2 单一谐次扭角信号模拟 |
| 2.2.3 含间谐波扭振信号模拟 |
| 2.2.4 含间谐波时变扭振信号模拟 |
| 2.2.5 含噪扭振信号模拟 |
| 2.3 扭振信号模拟器设计 |
| 2.4 扭振测试中周脉冲数影响分析 |
| 2.5 扭振测试分析中插值算法与插值点数影响 |
| 2.6 扭振信号FFT分析时窗函数影响 |
| 2.7 基于STFT的轴系扭振信号的时频分析 |
| 2.8 轴系扭振测试分析软件设计 |
| 2.9 本章总结 |
| 第三章 轴系扭振测试信号参数辨识 |
| 3.1 基于PRONY的扭振测试信号参数辨识 |
| 3.1.1 PRONY方法 |
| 3.1.2 基于PRONY的轴系扭振信号分析 |
| 3.1.3 基于PRONY的轴系扭振分析总结 |
| 3.2 基于ICEEMDAN去噪后的轴系扭振PRONY分析 |
| 3.2.1 经验模态分解EMD |
| 3.2.2 改进自适应补充集合经验模态分解ICEEMDAN |
| 3.2.3 基于EMD类方法的轴系扭振信号时频分析 |
| 3.2.4 基于ICEEMDAN去噪后的轴系扭振PRONY分析 |
| 3.3 基于小波阈值去噪后的轴系扭振PRONY分析 |
| 3.3.1 小波阈值去噪 |
| 3.3.2 基于小波阈值去噪后的轴系扭振PRONY分析 |
| 3.4 基于ICEEMDAN、WT、PRONY、Robust-ICA联合的扭振信号参数辨识 |
| 3.4.1 Robust-ICA算法 |
| 3.4.2 基于ICEEMDAN、小波阈值、ROBUSTICA联合去噪的轴系扭振PRONY分析 |
| 3.4.3 联合算法总结 |
| 3.5 本章总结 |
| 第四章 第一标准模型中信号的时频分析 |
| 4.1 第一标准模型 |
| 4.2 第一标准模型中的数学模型 |
| 4.2.1 发电机转子轴系六质量模型 |
| 4.2.2 汽轮机数学模型 |
| 4.2.3 汽轮机液压调速器数学模型 |
| 4.2.4 同步发电机数学模型 |
| 4.2.5 励磁调节系统数学模型 |
| 4.2.6 与发电机相连的外电路方程 |
| 4.3 第一标准模型时域仿真信号的时频分析 |
| 4.3.1 第一标准模型的时域仿真 |
| 4.3.2 基于转矩信号的次同步振荡与轴系扭振分析 |
| 4.3.3 基于转速信号的次同步振荡与轴系扭振分析 |
| 4.3.4 基于扭角信号的次同步振荡与轴系扭振分析 |
| 4.3.5 基于电压信号的次同步振荡与轴系扭振分析 |
| 4.3.6 基于电流信号的次同步振荡与轴系扭振分析 |
| 4.3.7 基于功率信号的次同步振荡与轴系扭振分析 |
| 4.4 本章总结 |
| 第五章 变频调速引风机组轴系扭振暂态时域仿真 |
| 5.1 引风机组轴系扭振现场测试 |
| 5.1.1 机组状态 |
| 5.1.2 扭振测试 |
| 5.1.3 扭振分析 |
| 5.2 引风机传动模型 |
| 5.2.1 引风机性能曲线特点 |
| 5.2.2 引风机通用性能模型 |
| 5.2.3 分步曲线拟合算例 |
| 5.2.4 风机传动模型 |
| 5.3 高压变频器的暂态仿真 |
| 5.3.1 高压变频器拓扑结构 |
| 5.3.2 移相变压器的仿真实现 |
| 5.3.3 功率单元设计 |
| 5.3.4 功率单元串联型高压变频器调制策略 |
| 5.3.5 基于PSCAD的多重级联高压变频器仿真波形分析 |
| 5.4 引风机机械传动轴系模型 |
| 5.5 异步电机数学模型 |
| 5.6 引风机机组轴系扭振特征结构分析 |
| 5.6.1 无阻尼自由振动 |
| 5.6.2 机电耦合振动 |
| 5.7 引风机机组轴系扭振时域暂态仿真 |
| 5.7.1 理想电源定频仿真 |
| 5.7.2 理想电源升降速仿真 |
| 5.7.3 理想电源扭振抑制仿真 |
| 5.7.4 高压变频电源暂态仿真 |
| 5.8 本章总结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 后续工作展望 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 攻读博士学位期间参加的科研项目 |
| 致谢 |
（3）基于信号特征分析的柴油机故障诊断方法研究（论文提纲范文）
| 学位论文数据集 |
| 摘要 |
| ABSTRACT |
| 符号说明 |
| 第一章 绪论 |
| 1.1 课题研究的目的和意义 |
| 1.2 柴油机故障诊断研究概况综述 |
| 1.2.1 柴油机典型故障类型研究概况 |
| 1.2.2 柴油机故障诊断方法研究概况 |
| 1.2.3 柴油机故障信号分析研究概况 |
| 1.3 本文的主要内容及结构安排 |
| 1.4 本章小结 |
| 第二章 基于领域对抗网络的故障特征提取方法 |
| 2.1 振动信号积分处理 |
| 2.2 时域-频域变换的积分方法 |
| 2.3 基于领域对抗网络的故障特征提取方法 |
| 2.3.1 领域对抗网络诊断模型结构 |
| 2.3.2 领域对抗网络原理 |
| 2.3.3 领域对抗网络过程 |
| 2.4 基于领域对抗网络的故障特征提取实验验证 |
| 2.4.1 故障模拟实验介绍 |
| 2.4.2 故障实验过程 |
| 2.4.3 故障实验结果 |
| 2.5 本章小结 |
| 第三章 基于时域信号与Noisy-Or模型的柴油机故障诊断研究 |
| 3.1 Noisy-Or模型诊断方法 |
| 3.1.1 Noisy-Or模型建立 |
| 3.1.2 泄漏概率和先验概率的设定 |
| 3.1.3 诊断网络结构 |
| 3.2 柴油机撞缸故障诊断模型研究 |
| 3.2.1 撞缸故障诊断 |
| 3.2.2 撞缸故障诊断推理网络 |
| 3.2.3 撞缸故障实验结果 |
| 3.3 柴油机拉缸故障诊断模型研究 |
| 3.3.1 拉缸故障诊断 |
| 3.3.2 拉缸故障诊断推理网络 |
| 3.3.3 拉缸故障实验过程及结果 |
| 3.4 柴油机轴瓦磨损故障诊断模型研究 |
| 3.4.1 轴瓦磨损故障诊断 |
| 3.4.2 轴瓦磨损诊断推理网络 |
| 3.4.3 轴瓦磨损故障实验过程及结果 |
| 3.5 本章小结 |
| 第四章 基于频域信号与Noisy-Max模型的柴油机故障诊断研究 |
| 4.1 Noisy-Max模型诊断方法介绍 |
| 4.2 柴油机失火故障诊断网络 |
| 4.3 故障模拟实验 |
| 4.3.1 故障模拟实验 |
| 4.3.2 模拟实验诊断结果 |
| 4.4 多工况下失火故障诊断 |
| 4.4.1 700rpm工况失火故障模拟实验 |
| 4.4.2 1000rpm工况失火故障模拟实验 |
| 4.4.3 1200rpm工况失火故障模拟实验 |
| 4.5 本章小结 |
| 第五章 故障诊断模拟实验及工程应用 |
| 5.1 实验台介绍 |
| 5.2 试验台故障模拟实验 |
| 5.2.1 撞缸故障模拟实验 |
| 5.2.2 拉缸故障模拟实验 |
| 5.2.3 轴瓦磨损故障模拟实验 |
| 5.3 工程应用案例 |
| 5.3.1 缸内失火故障 |
| 5.3.2 齿轮断齿故障 |
| 5.3.3 柴油机海水泵齿轮断齿 |
| 5.4 柴油机故障诊断知识库 |
| 5.5 本章小结 |
| 第六章 总结和展望 |
| 6.1 论文主要研究成果 |
| 6.2 研究创新点 |
| 6.3 展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 作者和导师简介 |
| 北京化工大学博士研究生学位论文答辩委员会决议书 |
（4）基于状态智能预警驱动的柴油机IETM关键技术研究与应用（论文提纲范文）
| 学位论文数据集 |
| 摘要 |
| ABSTRACT |
| 符号说明 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究综述 |
| 1.2.1 柴油机故障传统监测诊断方法概况 |
| 1.2.2 柴油机故障智能监测诊断技术研究概况 |
| 1.2.3 IETM技术发展概况 |
| 1.3 前人的研究成果 |
| 1.3.1 柴油机监测诊断方面研究成果 |
| 1.3.2 智能诊断技术研究成果 |
| 1.3.3 IETM技术研究成果 |
| 1.4 论文结构与内容安排 |
| 第二章 柴油机典型机械故障分类与预警诊断技术 |
| 2.1 柴油机典型机械故障分类及其特征信号 |
| 2.1.1 柴油机典型机械故障分类 |
| 2.1.2 柴油机典型机械故障特征信号类型 |
| 2.2 柴油机典型机械故障监测预警方法 |
| 2.2.1 基于统计特征参量分析的时域信号监测预警方法 |
| 2.2.2 基于振动信号角域分析的故障诊断预警方法 |
| 2.2.3 基于振动信号时频分析的故障监测预警方法 |
| 2.2.4 基于振动信号自适应的EMD智能预警方法 |
| 2.2.5 基于K近邻的柴油机故障识别预警方法 |
| 2.3 柴油机故障预警诊断技术难点 |
| 2.4 本章小结 |
| 第三章 柴油机连杆轴瓦故障监测预警方法研究 |
| 3.1 连杆小头衬套滑移故障 |
| 3.1.1 连杆小头衬套滑移故障机理 |
| 3.1.2 连杆小头衬套滑移故障特征与监测难点分析 |
| 3.2 连杆轴瓦磨损故障 |
| 3.2.1 连杆轴瓦磨损故障类型与传统监测方法 |
| 3.2.2 连杆轴瓦磨损故障特征 |
| 3.3 基于SAW无线测温技术的轴瓦磨损类故障预警与诊断方法研究 |
| 3.3.1 SAW无源无线测温原理 |
| 3.3.2 基于SAW的连杆轴瓦温度传感器的设计 |
| 3.3.3 信号处理装置的设计 |
| 3.3.4 软件系统的设计 |
| 3.4 实验验证 |
| 3.4.1 高速单缸机配机试验 |
| 3.4.2 轴瓦磨损故障模拟试验 |
| 3.5 本章小结 |
| 第四章 柴油机曲轴弯曲微变形故障诊断方法研究 |
| 4.1 曲柄连杆简化模型的理论分析计算 |
| 4.1.1 曲柄连杆力学模型分析 |
| 4.1.2 曲柄模型简化 |
| 4.1.3 横向力作用下曲轴受力分析 |
| 4.1.4 弯曲形变对于横向力作用下曲轴受力影响 |
| 4.2 基于多体动力学仿真的故障特征研究 |
| 4.2.1 模型建立与参数设置 |
| 4.2.2 仿真过程 |
| 4.2.3 仿真结果分析 |
| 4.3 曲轴弯曲微变形故障监测预警方法 |
| 4.4 故障案例验证 |
| 4.4.1 传感器与测点布置 |
| 4.4.2 故障现象描述 |
| 4.4.3 数据分析与故障诊断结论 |
| 4.5 本章小结 |
| 第五章 柴油机典型机械故障智能预警诊断系统设计 |
| 5.1 基于缸盖振动信号概率密度分布的柴油机输出功率识别算法 |
| 5.1.1 缸盖振动信号截止滤波预处理 |
| 5.1.2 基于自适应EMD分解的缸盖振动信号处理方法研究 |
| 5.1.3 基于振动速度概率密度分布的功率识别方法 |
| 5.2 基于改进KNN的柴油机故障报警阈值动态自学习算法 |
| 5.2.1 训练集的构建 |
| 5.2.2 K值的确定 |
| 5.2.3 报警阈值动态学习方法 |
| 5.3 柴油机在线监测预警系统设计 |
| 5.3.1 系统总体设计 |
| 5.3.2 硬件方案 |
| 5.3.3 软件方案 |
| 5.4 工程应用案例 |
| 5.4.1 故障情况 |
| 5.4.2 报警信息与监测数据分析 |
| 5.4.3 故障原因探究 |
| 5.4.4 结论 |
| 5.5 本章小结 |
| 第六章 基于智能预警驱动的柴油机IETM架构设计 |
| 6.1 IETM平台的功能模块 |
| 6.1.1 多媒体制作工具 |
| 6.1.2 XML编辑器 |
| 6.1.3 公共源数据库 |
| 6.1.4 发布引擎 |
| 6.1.5 浏览器 |
| 6.2 标准IETM内容模块 |
| 6.3 IETM的开发流程 |
| 6.3.1 数据模块编码 |
| 6.3.2 数据模块需求列表(DMRL)编制 |
| 6.4 基于智能预警驱动的柴油机IETM架构设计 |
| 6.4.1 架构设计 |
| 6.4.2 具体实现 |
| 6.5 本章小结 |
| 第七章 结论与展望 |
| 7.1 研究结论与成果 |
| 7.2 主要创新点 |
| 7.3 展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 作者和导师简介 |
| 附件 |
（5）基于DSP的柴油机监测系统研发（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 柴油机监测系统国内外研究现状 |
| 1.2.1 柴油机监测参数国内外研究现状 |
| 1.2.1.1 热工参数 |
| 1.2.1.2 油液 |
| 1.2.1.3 瞬时转速 |
| 1.2.1.4 振动 |
| 1.2.1.5 噪声 |
| 1.2.2 柴油机故障诊断技术国内外研究现状 |
| 1.2.2.1 基于数学模型 |
| 1.2.2.2 人工神经网络 |
| 1.2.2.3 支持向量机 |
| 1.2.2.4 粗糙集和模糊理论 |
| 1.2.2.5 信息融合技术 |
| 1.3 论文研究内容及章节安排 |
| 第二章 柴油机监测系统硬件设计 |
| 2.1 DSP56F807介绍 |
| 2.2 柴油机监测系统硬件总体设计 |
| 2.3 DSP控制器硬件电路设计 |
| 2.3.1 电源电路设计 |
| 2.3.2 复位电路设计 |
| 2.3.3 时钟电路设计 |
| 2.3.4 JTAG接口电路设计 |
| 2.3.5 串口通讯电路设计 |
| 2.3.6 DSP控制器PCB设计 |
| 2.4 柴油机监测系统信号测量及调理电路设计 |
| 2.4.1 蓄电池电压信号调理电路设计 |
| 2.4.2 蓄电池电流信号调理电路设计 |
| 2.4.3 蓄电池内阻测量电路设计 |
| 2.4.3.1 内阻检测方案设计 |
| 2.4.3.2 内阻测量电路设计 |
| 2.4.4 曲轴转速信号调理电路设计 |
| 2.4.5 缸盖振动信号调理电路设计 |
| 2.4.6 喷油压力信号调理电路设计 |
| 2.5 本章小结 |
| 第三章 柴油机监测系统软件设计 |
| 3.1 软件开发环境介绍 |
| 3.1.1 Code Warrior介绍 |
| 3.1.2 Lab VIEW介绍 |
| 3.2 柴油机监测系统软件总体设计 |
| 3.3 信号采集与传输程序设计 |
| 3.3.1 模数转换程序 |
| 3.3.2 转速采集程序 |
| 3.3.3 串口通讯程序 |
| 3.4 振动信号降噪程序设计 |
| 3.4.1 小波变换概述 |
| 3.4.1.1 小波变换数学定义 |
| 3.4.1.2 阈值降噪理论 |
| 3.4.2 小波降噪实时性影响因素 |
| 3.4.2.1 小波指令周期模型 |
| 3.4.2.2 阈值函数 |
| 3.4.2.3 阈值 |
| 3.4.3 快速小波降噪参数选择 |
| 3.4.3.1 分解层数选择 |
| 3.4.3.2 最优小波基选择 |
| 3.4.4 快速小波降噪程序设计 |
| 3.5 Lab VIEW程序设计 |
| 3.6 本章小结 |
| 第四章 基于信息融合的故障诊断方法 |
| 4.1 RBF神经网络概述 |
| 4.2 基于粒子群算法优化的RBF神经网络 |
| 4.2.1 粒子群优化算法概述 |
| 4.2.2 粒子群算法优化RBF神经网络实现 |
| 4.3 基于信息融合的故障诊断方法 |
| 4.4 本章小结 |
| 第五章 柴油机监测系统测试 |
| 5.1 监测功能测试 |
| 5.1.1 蓄电池电压测试 |
| 5.1.2 蓄电池电流测试 |
| 5.1.3 蓄电池内阻测试 |
| 5.1.4 转速测试 |
| 5.1.5 缸盖振动测试 |
| 5.1.6 喷油压力测试 |
| 5.2 单缸失火故障诊断测试 |
| 5.3 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间的研究成果及发表的学术论文 |
（6）内燃发电机组转子故障动力学特性的理论与实验研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 字母注释表 |
| 第一章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.1.1 课题背景 |
| 1.1.2 研究目的及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 内燃机曲轴扭转振动动力学研究 |
| 1.2.2 联轴器不对中故障研究 |
| 1.2.3 碰摩故障研究 |
| 1.2.4 时频分析法 |
| 1.2.5 发电机转子系统动力学研究 |
| 1.3 本文的主要研究内容 |
| 第二章 柴油发电机组轴系扭转振动 |
| 2.1 引言 |
| 2.2 曲轴模型 |
| 2.2.1 燃气压力引起的力矩 |
| 2.2.2 曲轴连杆机构惯性力引起的力矩 |
| 2.3 数值计算与讨论 |
| 2.3.1 柴油机曲轴自由端的扭转振动 |
| 2.3.2 联轴器的扭转振动 |
| 2.4 本章小结 |
| 第三章 柴油发电机组扭转振动实验 |
| 3.1 引言 |
| 3.2 实验台及参数 |
| 3.2.1 测试设备 |
| 3.2.2 数据采集系统 |
| 3.3 实验数据处理 |
| 3.3.1 自由端的扭转振动 |
| 3.3.2 联轴器输出端的动态扭矩测量 |
| 3.4 小结 |
| 第四章 不对中-碰摩耦合故障飞轮/联轴器系统瞬时动力学分析 |
| 4.1 引言 |
| 4.2 飞轮-联轴器转子系统建模 |
| 4.2.1 角度不对中产生的弯矩 |
| 4.2.2 碰摩力 |
| 4.3 时频分析方法 |
| 4.3.1 平滑伪Wigner-Ville (SPWV)分布 |
| 4.3.2 小波分析 |
| 4.4 数值计算与讨论 |
| 4.4.1 不对中故障 |
| 4.4.2 碰摩故障 |
| 4.4.3 含不对中碰摩故障研究 |
| 4.5 小结 |
| 第五章 不对中故障对发电机转子动力学的影响分析 |
| 5.1 引言 |
| 5.2 不平衡磁拉力 |
| 5.3 平行不对中 |
| 5.4 角度不对中 |
| 5.5 转子系统理论模型 |
| 5.6 数值计算与分析 |
| 5.6.1 平行不对中故障对发电机主共振的影响 |
| 5.6.2 角度不对中故障对发电机主共振的影响 |
| 5.6.3 等效刚度系数对发电机主共振的影响 |
| 5.7 小结 |
| 第六章 联轴器不对中故障实验研究 |
| 6.1 引言 |
| 6.2 实验台介绍 |
| 6.3 实验内容 |
| 6.3.1 平行不对中时的主共振响应 |
| 6.3.2 平行不对中时的稳态响应 |
| 6.3.3 角度不对中时的主共振响应 |
| 6.3.4 角度不对中时的稳态响应 |
| 6.3.5 超谐共振响应 |
| 6.4 小结 |
| 第七章 总结与展望 |
| 7.1 全文总结 |
| 7.2 本文创新点 |
| 7.3 展望 |
| 参考文献 |
| 附录 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（7）基于振动、滑油监测的柴油机故障预警系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景意义 |
| 1.1.1 课题研究的背景 |
| 1.1.2 课题研究的意义 |
| 1.2 柴油机故障预警的国内外研究现状及发展趋势 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 发展趋势 |
| 1.3 基于振动、滑油监测的柴油机故障预警系统的研究现状 |
| 1.3.1 振动研究现状 |
| 1.3.2 滑油研究现状 |
| 1.4 课题主要研究内容 |
| 第2章 柴油机振动及滑油信号分析 |
| 2.1 柴油机缸盖振动激励源分析 |
| 2.2 柴油机缸盖振动信号时域特性 |
| 2.3 柴油机振动信号频域分析 |
| 2.4 滑油数据特性分析 |
| 2.4.1 滑油数据 |
| 2.4.2 趋势图分析法 |
| 2.5 本章小结 |
| 第3章 基于双树复小波包的振动信号特征参数提取 |
| 3.1 小波分析的原理 |
| 3.1.1 傅里叶分析到小波变换 |
| 3.1.2 小波包变换 |
| 3.2 信号消噪 |
| 3.2.1 分块阈值降噪 |
| 3.2.2 自适应分块阈值降噪方法 |
| 3.3 双树复小波变换 |
| 3.3.1 离散小波变换的平移变动性 |
| 3.3.2 双树复小波包变换 |
| 3.3.3 基于双树复小波包的柴油机振动信号特征提取 |
| 3.4 本章小结 |
| 第4章 RBF神经网络故障预警模型 |
| 4.1 人工神经网络 |
| 4.2 BP神经网络 |
| 4.2.1 BP神经网络结构 |
| 4.2.2 BP神经网络学习算法 |
| 4.3 径向基(RBF)神经网络 |
| 4.3.1 径向基神经网络的结构 |
| 4.3.2 径向基神经网络的学习算法 |
| 4.4 本章小结 |
| 第5章 柴油机故障预警系统研究 |
| 5.1 柴油机故障预警系统的实现 |
| 5.1.1 柴油机故障预警系统总体结构设计 |
| 5.1.2 柴油机故障预警系统硬件设计 |
| 5.1.3 柴油机故障预警系统软件设计 |
| 5.2 柴油机状态信号采集 |
| 5.2.1 柴油机振动信号测点的选取 |
| 5.2.2 柴油机滑油数据测点的选取 |
| 5.2.3 关键技术 |
| 5.3 柴油机故障预警分析 |
| 5.3.1 试验振动信号阈值降噪 |
| 5.3.2 基于双树复小波包和RBF神经网络故障诊断试验 |
| 5.3.3 滑油数据预测分析试验 |
| 5.4 本章小结 |
| 总结展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
（8）基于缸盖振动信号的柴油机变工况气门间隙异常诊断方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 柴油发动机故障诊断技术概述 |
| 1.2.1 设备故障诊断技术发展概况 |
| 1.2.2 柴油机故障诊断方法概述 |
| 1.3 基于振动信号的柴油机故障诊断技术国内外研究现状 |
| 1.3.1 故障特征提取方法 |
| 1.3.2 故障模式识别方法 |
| 1.3.3 发展趋势 |
| 1.4 论文的主要研究内容 |
| 第二章 柴油机缸盖振动数据采集与特性分析 |
| 2.1 实验台介绍及振动数据采集方案 |
| 2.1.1 柴油机实验台介绍 |
| 2.1.2 振动数据采集方案 |
| 2.2 气门间隙异常故障模拟实验 |
| 2.2.1 配气机构的基本结构 |
| 2.2.2 实验过程 |
| 2.3 振动数据特性分析 |
| 2.3.1 时域特性分析 |
| 2.3.2 频域特性分析 |
| 2.4 本章小结 |
| 第三章 气门间隙故障特征提取方法 |
| 3.1 基于小波包分析的特征提取方法 |
| 3.1.1 小波包分解方法研究 |
| 3.1.2 小波包能量故障特征提取 |
| 3.1.3 振动信号的小波包能量比特征分布 |
| 3.1.4 构建综合特征向量 |
| 3.2 基于EEMD的特征提取方法 |
| 3.2.1 EMD方法研究 |
| 3.2.2 EEMD方法研究 |
| 3.2.3 振动信号的EEMD处理与故障特征提取 |
| 3.3 基于VMD-SVD的特征提取方法 |
| 3.3.1 VMD方法研究和参数选择方法 |
| 3.3.2 SVD方法研究 |
| 3.3.3 振动信号的VMD-SVD故障特征提取 |
| 3.4 本章小结 |
| 第四章 气门间隙异常的故障模式识别方法 |
| 4.1 基于t-SNE和KNN的故障识别 |
| 4.1.1 t-SNE方法研究及降维结果可视化分析 |
| 4.1.2 KNN算法研究及参数k的确定 |
| 4.1.3 变工况下的KNN诊断结果 |
| 4.2 基于KPCA和SVM的故障识别 |
| 4.2.1 PCA算法研究 |
| 4.2.2 KPCA算法研究及基于累计特征贡献率的降维处理方法 |
| 4.2.3 SVM算法研究 |
| 4.2.4 SVM算法诊断结果 |
| 4.3 基于特征选择和随机森林的故障识别 |
| 4.3.1 决策树算法研究 |
| 4.3.2 随机森林算法研究及特征选择过程 |
| 4.3.3 随机森林算法诊断结果 |
| 4.4 不同故障诊断方法结果的对比分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 作者和导师简介 |
| 附件 |
（9）旋转机械扭振模态参数识别研究及软件实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景、目的及意义 |
| 1.2 接触式扭振测量方法研究现状 |
| 1.2.1 盖格尔扭振仪 |
| 1.2.2 电阻应变片法 |
| 1.2.3 加速度计测量 |
| 1.3 非接触式扭振测量方法研究现状 |
| 1.3.1 测齿法 |
| 1.3.2 激光测扭法 |
| 1.4 模态参数研究现状 |
| 1.4.1 频域法模态参数识别方法研究 |
| 1.4.2 时域法模态参数识别研究 |
| 1.4.3 联合时频法模态参数识别研究 |
| 1.5 研究现状分析 |
| 1.6 研究目标和内容 |
| 1.6.1 研究目标 |
| 1.6.2 研究内容 |
| 1.7 课题的创新性 |
| 1.8 技术路线 |
| 第二章 扭振信号测量与处理 |
| 2.1 扭振信号产生的机理 |
| 2.2 双齿法扭振信号测量 |
| 2.2.1 扭振信号的测量方法 |
| 2.2.2 扭振信号的提取 |
| 2.2.3 双齿法仿真模型的建立 |
| 2.2.4 双齿法仿真验证 |
| 2.2.5 双齿法测量试验对比研究 |
| 2.3 信号处理研究 |
| 2.3.1 信号降噪 |
| 2.3.2 信号趋势项处理 |
| 2.3.3 弯振的消除 |
| 2.4 误差分析及处理 |
| 2.4.1 方法误差理论分析 |
| 2.4.2 方法误差仿真分析 |
| 2.4.3 齿轮齿数与计数器晶振频率的选择 |
| 2.4.4 齿轮几何加工误差分析及精度提高 |
| 2.5 本章小结 |
| 第三章 试验台设计及扭振试验研究 |
| 3.1 扭振试验台设计 |
| 3.2 试验数据采集设备介绍 |
| 3.2.1 传感器介绍 |
| 3.2.2 采集卡介绍 |
| 3.3 试验数据分析方法及数据处理 |
| 3.3.1 频域分析 |
| 3.3.2 阶次分析 |
| 3.3.3 试验数据处理 |
| 3.4 本章小结 |
| 第四章 瞬时转速与模态参数识别算法研究 |
| 4.1 瞬时转速估计算法研究 |
| 4.1.1 瞬时频率 |
| 4.1.2 短时傅里叶变换 |
| 4.1.3 Wigner-Ville分布(WVD) |
| 4.1.4 小波变换 |
| 4.1.5 小波脊提取方法原理 |
| 4.1.6 基于相位信息的小波脊提取方法 |
| 4.1.7 基于齿信号的瞬时转速估计 |
| 4.2 扭振模态参数识别研究 |
| 4.2.1 扭振模态参数识别算法研究 |
| 4.2.2 扭振模态参数识别算例 |
| 4.3 本章小结 |
| 第五章 扭振测试及模态参数识别软件开发 |
| 5.1 设计思路 |
| 5.2 开发环境介绍 |
| 5.3 软件介绍 |
| 5.3.1 参数设置界面 |
| 5.3.2 扭振信号采集 |
| 5.3.3 扭振信号处理 |
| 5.3.4 模态参数识别 |
| 5.3.5 扭振信号保存与数据库建立 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的学术成果 |
| 致谢 |
（10）基于单通道振动信号解析的柴油机典型故障智能诊断方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 字母注释表 |
| 第一章 绪论 |
| 1.1 柴油机故障诊断研究的背景和意义 |
| 1.2 柴油机故障诊断方法概述 |
| 1.3 柴油机故障诊断方法国内外研究现状 |
| 1.3.1 故障特征提取研究现状 |
| 1.3.2 模式识别的研究现状 |
| 1.4 论文结构安排与主要研究内容 |
| 第二章 柴油机典型故障实验设计与结果分析 |
| 2.1 柴油机故障模拟实验 |
| 2.1.1 实验系统与实验工况 |
| 2.1.2 采样频率的确定 |
| 2.1.3 故障类型的设置 |
| 2.2 柴油机振动信号特性 |
| 2.3 柴油机表面振动信号的时域分析 |
| 2.4 柴油机表面振动信号的频域分析 |
| 2.5 本章小结 |
| 第三章 VMD与ICA协同信号处理方法 |
| 3.1 信号处理基本原理 |
| 3.1.1 VMD算法理论 |
| 3.1.2 ICA算法原理 |
| 3.1.3 四阶累积量算法原理 |
| 3.2 VMD算法控制参数研究 |
| 3.2.1 VMD算法模拟信号验证 |
| 3.2.2 VMD算法控制参数分析 |
| 3.2.3 VMD控制参数优化方法 |
| 3.3 ICA算法适用性分析 |
| 3.3.1 Fast ICA算法分析 |
| 3.3.2 Robust ICA算法分析 |
| 3.3.3 KICA算法分析 |
| 3.3.4 三种ICA算法综合对比 |
| 3.4 本章小结 |
| 第四章 基于双谱理论的特征选择方法 |
| 4.1 双谱分析基本理论 |
| 4.2 基于对角线投影的双谱切片方法 |
| 4.2.1 双谱算法的初步分析 |
| 4.2.2 基于对角线切片的双谱处理方法 |
| 4.2.3 基于对角线投影的双谱处理方法 |
| 4.2.4 基于对角线累积的双谱处理方法 |
| 4.2.5 三种双谱处理方法综合对比 |
| 4.3 信号特征参数选择方法 |
| 4.3.1 特征参数分析方法 |
| 4.3.2 信号特征参数计算分析 |
| 4.4 本章小结 |
| 第五章 基于深度信念网络的故障模式识别研究 |
| 5.1 深度信念网络 |
| 5.1.1 受限玻尔兹曼机 |
| 5.1.2 深度信念网络构架 |
| 5.1.3 DBN的训练 |
| 5.1.4 对比散度快速算法 |
| 5.1.5 DBN的微调 |
| 5.2 基于VMD-ICA-双谱的DBN模式识别方法 |
| 5.2.1 DBN分类器构建 |
| 5.2.2 单一故障分类结果 |
| 5.2.3 多故障分类结果 |
| 5.3 基于VMD-ICA双谱的GA-BP模式识别方法 |
| 5.3.1 GA-BP神经网络 |
| 5.3.2 优化过程 |
| 5.3.3 GA-BP神经网络分类结果 |
| 5.4 各工况实验下的适用性分析 |
| 5.4.1 怠速工况振动信号识别 |
| 5.4.2 额定功率工况振动信号识别 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
四、基于小波变换的内燃机瞬时转速信号的分析（论文参考文献）
- [1]汽车发动机异响诊断算法及产生机理的研究[D]. 周全. 浙江大学, 2021(01)
- [2]次同步振荡与轴系扭振的测试与分析[D]. 张卿杰. 东南大学, 2020(02)
- [3]基于信号特征分析的柴油机故障诊断方法研究[D]. 刘嘉蒙. 北京化工大学, 2020(01)
- [4]基于状态智能预警驱动的柴油机IETM关键技术研究与应用[D]. 高志龙. 北京化工大学, 2020(01)
- [5]基于DSP的柴油机监测系统研发[D]. 应铭. 石家庄铁道大学, 2020(04)
- [6]内燃发电机组转子故障动力学特性的理论与实验研究[D]. 刘志伟. 天津大学, 2020(01)
- [7]基于振动、滑油监测的柴油机故障预警系统研究[D]. 陈超. 江苏科技大学, 2019(03)
- [8]基于缸盖振动信号的柴油机变工况气门间隙异常诊断方法研究[D]. 魏东海. 北京化工大学, 2019(06)
- [9]旋转机械扭振模态参数识别研究及软件实现[D]. 董翔文. 中国石油大学(华东), 2019(09)
- [10]基于单通道振动信号解析的柴油机典型故障智能诊断方法研究[D]. 毕晓阳. 天津大学, 2019(06)