CN103900824A - 基于瞬时转速聚类分析的柴油机故障诊断方法 - Google Patents
基于瞬时转速聚类分析的柴油机故障诊断方法 Download PDFInfo
- Publication number
- CN103900824A CN103900824A CN201410117072.4A CN201410117072A CN103900824A CN 103900824 A CN103900824 A CN 103900824A CN 201410117072 A CN201410117072 A CN 201410117072A CN 103900824 A CN103900824 A CN 103900824A
- Authority
- CN
- China
- Prior art keywords
- cylinder
- speed
- diesel engine
- clustering
- rotary speed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Combined Controls Of Internal Combustion Engines (AREA)
Abstract
本发明提供的是一种基于瞬时转速聚类分析的柴油机故障诊断方法。采集柴油机运行时的瞬时转速信号,并对采集到的信号进行滤波,消除噪声干扰,根据上止点信号和各缸发火顺序,分解主轴瞬时转速数据,获得各缸对应的瞬时转速信息;将处理后的信号进行时、频域分析,获取瞬时转速信号的时频域特征,构成一个二维数组;利用随机重启动K-means算法聚类分析,横向比较多缸柴油机各气缸的性能状态,设置不同的类别个数K,重复运行聚类后,选取最有意义的聚类结果作为最终诊断结果诊断出故障气缸。本发明利用随机重启动K-means算法聚类时,不需要设置大量经验性参数,避免了经验性参数对聚类结果的影响;能够快速精确定位故障气缸。
Description
技术领域
本发明涉及的是一种柴油机故障诊断方法,具体地说,是一种基于瞬时转速聚类分析的柴油机故障诊断方法。
背景技术
柴油机在不同领域发挥着重要的作用,一旦柴油机发生故障,会造成巨大的经济损失,甚至危及工作人员人身安全。及时、简便而又准确的诊断出柴油机异常状态是现实生产的客观要求。在用于柴油机故障诊断的各种信号中,瞬时转速信号以其简便,准确,波形与气缸对应等优点得到了广泛的应用,通过瞬时转速信号已可有效地诊断出单缸漏油、气门漏气、单缸停止点火等故障。
长期以来,基于瞬时转速波动的诊断方法都是基于典型的故障样本设计的,如通过比较正常状态和故障状态的特征值,设定出某一阈值,并以此作为诊断柴油机故障的依据。现实中柴油机故障样本的获取往往具有破坏性、偶然性和难以再现性并且成本昂贵,因此故障样本的获得非常困难。近年来,随着群体智能的发展,将瞬时转速作为气缸状态属性,利用群体智能聚类,从而分离出状态异常气缸的诊断方法,有效地解决了故障样本缺乏这一“瓶颈问题”。然而,应用群体智能聚类算法在对瞬时转速进行聚类时,需要设置较多的参数,而且其中大多是由经验得出,其设置是否合理严重影响聚类结果。此外,群体智能聚类算法程序较为复杂,收敛速度慢,运行效率低。发明一种不依赖典型故障样本,且又能简单、快速地定位故障气缸的柴油机故障诊断方法,对于提高柴油机运行的安全性,实现对柴油机的视情维修具有重要的意义。
中国专利公开号CN102680242A(公开日为2012.9.19)的专利文件中公开了一种“基于群体智能的柴油机故障诊断方法”,该方法包括以下步骤:检测柴油机气缸运行信息包括气缸进排气温度、进排气压力、主轴瞬时转速;将温度、压力信息进行数/模转换、滤波,根据柴油机上止点信号和气缸发火次序,分解主轴瞬时转速数据,获得各气缸在发火做功时对应的瞬时转速信息;将处理后的信息分两路送出,第一路信息利用群体智能聚类算法将气缸进排气温度、进排气压力、瞬时转速作为聚类对象进行聚类,找出状态异常气缸;将第二路信息和上述结果通过基于贝叶斯网络技术融合运行参数信息,诊断柴油机的故障原因和部位。本发明可实现柴油机近乎“零故障”的高质量运行,从而提高船舶航行的安全性和经济性”。其不足之处是:该方法利用群体智能聚类算法对瞬时转速进行聚类时,大量经验性参数的设置影响聚类准确度,且判断对象类型时,智能体需要进行大量的试探动作,算法较复杂,收敛速度慢,效率较低。
发明内容
本发明的目的在于提供一种能提高设备的可靠性,具有较高的实时性的基于瞬时转速聚类分析的柴油机故障诊断方法。
本发明的方法具体包括以下步骤:
1、通过瞬时转速传感器结合数据采集卡采集柴油机瞬时转速信号;
2、将采集到的信号进行滤波,根据上止点信号和各缸发火顺序,分解主轴瞬时转速数据,获得各缸对应曲柄转角范围内的瞬时转速信息,将其分别用波形图显示,并初始化对应曲轴转角起始角度为零;
3、将处理后的信号分两路输出,第一路用来对瞬时转速信号进行时域分析,提取特征值,提取的特征值包括:各缸对应曲柄转角范围内的转速波动值、前一缸转速最大值与后一缸转速最小值之差、各缸工作时对应瞬时转速波动值与一个循环内所有气缸瞬时转速波动值的平均值之比、各缸转速最大最小值分别与一个工作循环内的最大最小值之差;
4、将第二路信息进行小波分析,得到频谱图,最终选取1次谐波与4次谐波幅值之比εf=f1/f4作为频域特征参数;
5、整合步骤3、步骤4得到的特征参数,并对其做标准化处理,将处理后的数据作为聚类对象选取不同的类别个数K,重复运行随机重启动K-means算法,选取最有意义的聚类划分结果作为最终聚类结果,诊断出状态异常气缸。
本发明针对现有技术的不足,提供了一种基于瞬时转速聚类分析的柴油机故障诊断方法,在设备劣化初期简便、精确定位故障气缸,以确保柴油机在最佳状态下运行,提高设备的可靠性,具有较高的实时性。
本发明首先采集柴油机运行时的瞬时转速信号,并对采集到的信号进行滤波,消除噪声干扰,根据上止点信号和各缸发火顺序,分解主轴瞬时转速数据,获得各缸对应的瞬时转速信息;将处理后的信号进行时、频域分析,获取瞬时转速信号的时频域特征,构成一个二维数组;利用随机重启动K-means算法聚类分析,横向比较多缸柴油机各气缸的性能状态,设置不同的类别个数K,重复运行聚类后,由领域专家选取最有意义的聚类结果作为最终诊断结果,从而诊断出故障气缸。
本发明的优势在于:本发明利用随机重启动K-means算法聚类时,不需要设置大量经验性参数,避免了经验性参数对聚类结果的影响;且本发明算法收敛速度快,容易实施,简单、高效,能够快速精确定位故障气缸。
附图说明
图1为本发明基于瞬时转速聚类分析的柴油机故障诊断方法流程图。
图2a-图2e为某型四缸柴油机主轴瞬时转速分解图,图2a为柴油机主轴瞬时转速;图2b为1缸瞬时转速;图2c为3缸瞬时转速;图2d为4缸瞬时转速;图2e为2缸瞬时转速;。
图3为本发明实施某型柴油机单缸断油故障随机重启动K-means算法聚类效果图。
具体实施方式
下面结合附图对本发明的实施例作详细说明:本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式,但本发明的保护范围不限于下述的实施例。
如图1所示,本发明包括以下步骤:柴油机瞬时转速信号的采集、瞬时转速信号的预处理、瞬时转速信号时域分析、瞬时转速信号频域分析、气缸性能聚类分析与异常气缸诊断。具体如下:
1、所述柴油机瞬时转速信号的采集是利用光电编码器和数据采集卡,通过上位机编程,采集柴油机主轴瞬时转速信号。
2、所述瞬时转速信号预处理是对采集到的柴油机瞬时转速信号进行小波滤波,将含有噪声的瞬时转速信号转换为无干扰的信号;根据上止点顺序和各缸发火顺序,分解主轴瞬时转速信号,获得各缸对应曲柄转角范围内的瞬时转速信息,将其分别用波形图显示,并初始化对应曲轴转角起始角度为零。所述曲柄转角范围大小即为柴油机的发火间隔角大小,对于缸数为i的柴油机,发火间隔角θ为:
θ=720/i
图2以某型四缸柴油机为例对主轴转速信号进行分解。
3、所述瞬时转速信号时域分析是将预处理后的瞬时转速信号输入PC机,分析瞬时转速信号时域特性,提取特征值,选取的特征值包括:各缸对应曲柄转角范围内的转速波动值;前一缸转速最大值与后一缸转速最小值之差;各缸工作时对应瞬时转速波动值与一个循环内所有气缸瞬时转速波动值的平均值之比;各缸转速最大、最小值分别与一个工作循环内的最大、最小值之差。各特征值分别对应的数学表达式如下:
ni,b=ni,max-ni,min
ni,p=ns,max-ni,min
Δni,max=nmax-ni,max
Δni,min=ni,min-nmin
式中:ni,max,ni,min为第i缸对应曲轴转角范围内的转速最大、最小值;
ns,max为按发火顺序,上一缸工作时转速最大值;
ni,p,ni,b为第i缸压缩、发火时瞬时转速的波动;
N为气缸数;
fi为第i缸的瞬时转速波动率;
nmax,nmin为一个工作循环内瞬时转速最大、最小值;
Δni,max,Δni,min为第i缸瞬时转速最大、最小值相对于nmax,nmin的差值。
4、所述瞬时转速信号频域分析是通过已经编写好的程序对瞬时转速信号进行小波分析,获取瞬时转速谱并分析其频域特性,选取1次谐波与4次谐波幅值之比εf=f1/f4作为频域特征参数。
5、所述气缸性能聚类分析与异常气缸诊断是本发明的核心,首先整合已提取的瞬时转速信号时频域特征值,以上述时频域特征值为聚类分析对象,按统一格式组织各气缸运行状态信息,如Si(ni,p,ni,b,fi,Δni,max,Δni,min,εf)表示按发火顺序i缸对应的特征值,依次为第i缸的:压缩、发火时瞬时转速的波动、瞬时转速波动率、瞬时转速最大、最小值与一个循环内瞬时转速最大、最小值的差值、1次谐波与4次谐波幅值之比。将所有气缸的状态信息构成一个二维数组。
其次,选取数据子集的数目K,根据样本对象数量大小,指定重启次数L,利用随机重启动K-means算法将来自气缸群的所有聚类对象进行聚类分析,通过计算样本数据对象到各个簇聚类中心的欧氏距离,将对象赋给最近的簇,采用簇中对象的均值更新聚类中心,并使聚类循环进行,直至所有对象到各自聚类中心的距离的平方和J(C)收敛。给出关键定义如下:
定义:对于给定的一个包含n个d维数据点的数据集X=(x1,x2,x3,L,xi,L,xn),其中xi∈Rd,μi为每个簇ck的聚类中心,则该簇各对象到聚类中心的距离平方和
各簇总的距离平方和
通过上述定义,当J(C)收敛时,该次循环结束,当程序重启次数达到指定次数L后聚类结束。选取不同的类别个数K,重复运行随机重启动K-means聚类,选取最有意义的聚类划分结果作为最终聚类结果。根据柴油机实际应用特点,将所含对象数小于既定阈值的簇认定为故障簇,其对象即为故障气缸。
图3为本发明实施某型柴油机单缸断油故障随机重启动K-means算法聚类效果图。实际调整柴油机模拟单缸断油故障,经对所选时、频域特征值聚类分析后,选定类别个数为2的划分为最终聚类结果。图中第二类属于故障气缸。
Claims (1)
1.一种基于瞬时转速聚类分析的柴油机故障诊断方法,其特征是:
(1)、通过瞬时转速传感器结合数据采集卡采集柴油机瞬时转速信号;
(2)、将采集到的信号进行滤波,根据上止点信号和各缸发火顺序,分解主轴瞬时转速数据,获得各缸对应曲柄转角范围内的瞬时转速信息,将其分别用波形图显示,并初始化对应曲轴转角起始角度为零;
(3)、将处理后的信号分两路输出,第一路用来对瞬时转速信号进行时域分析,提取特征值,提取的特征值包括:各缸对应曲柄转角范围内的转速波动值、前一缸转速最大值与后一缸转速最小值之差、各缸工作时对应瞬时转速波动值与一个循环内所有气缸瞬时转速波动值的平均值之比、各缸转速最大最小值分别与一个工作循环内的最大最小值之差;
(4)、将第二路信息进行小波分析,得到频谱图,最终选取1次谐波与4次谐波幅值之比εf=f1/f4作为频域特征参数;
(5)、整合步骤(3)、步骤(4)得到的特征参数,并对其做标准化处理,将处理后的数据作为聚类对象选取不同的类别个数K,重复运行随机重启动K-means算法,选取最有意义的聚类划分结果作为最终聚类结果,诊断出状态异常气缸。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410117072.4A CN103900824B (zh) | 2014-03-27 | 2014-03-27 | 基于瞬时转速聚类分析的柴油机故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410117072.4A CN103900824B (zh) | 2014-03-27 | 2014-03-27 | 基于瞬时转速聚类分析的柴油机故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103900824A true CN103900824A (zh) | 2014-07-02 |
CN103900824B CN103900824B (zh) | 2016-09-14 |
Family
ID=50992287
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410117072.4A Active CN103900824B (zh) | 2014-03-27 | 2014-03-27 | 基于瞬时转速聚类分析的柴油机故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103900824B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104236796A (zh) * | 2014-09-01 | 2014-12-24 | 武汉广远经济发展股份有限公司 | 轴系状态信息采集智能转速传感器 |
CN105784377A (zh) * | 2016-03-28 | 2016-07-20 | 中国船舶工业系统工程研究院 | 基于瞬时转速的柴油机工作均衡性故障诊断方法及装置 |
CN107066996A (zh) * | 2017-06-22 | 2017-08-18 | 中国人民解放军海军工程大学 | 一种基于转速的缸压曲线重构方法 |
CN108333258A (zh) * | 2018-01-11 | 2018-07-27 | 浙江大学 | 基于声发射技术的复合材料气瓶水压爆破监测装置及方法 |
CN108678728A (zh) * | 2018-05-15 | 2018-10-19 | 北京理工大学 | 一种基于k-means的油井参数分析组合算法 |
CN110349293A (zh) * | 2019-07-16 | 2019-10-18 | 深圳市智物联网络有限公司 | 发动机异常停机检测方法、系统、装置及存储介质 |
CN110530647A (zh) * | 2019-08-30 | 2019-12-03 | 大连海事大学 | 基于声发射技术和曲轴瞬时转速的内燃机健康监测方法 |
CN113933012A (zh) * | 2021-10-14 | 2022-01-14 | 西安现代控制技术研究所 | 基于K-means聚类的螺旋桨转速测量方法 |
CN114459766A (zh) * | 2022-01-13 | 2022-05-10 | 武汉理工大学 | 一种海洋平台原油发电机组油头工作状态监测方法 |
CN114542281A (zh) * | 2021-12-23 | 2022-05-27 | 中国北方发动机研究所(天津) | 一种基于多源数据融合的柴油机失火故障识别方法 |
CN114563189A (zh) * | 2022-02-28 | 2022-05-31 | 西北工业大学 | 基于瞬时转速的无人机发动机故障诊断方法 |
CN116679165A (zh) * | 2023-07-03 | 2023-09-01 | 国网四川省电力公司成都供电公司 | 基于同步挤压广义s变换的频域反射电缆缺陷定位方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4134374A (en) * | 1976-06-10 | 1979-01-16 | Robert Bosch Gmbh | Method and apparatus for detecting cylinder malfunction in internal combustion engines |
US20050209767A1 (en) * | 2004-03-16 | 2005-09-22 | Honeywell International Inc. | Method for fault diagnosis of a turbine engine |
JP2006315813A (ja) * | 2005-05-13 | 2006-11-24 | Murata Mach Ltd | 移動体の診断システム |
CN101178844A (zh) * | 2007-12-03 | 2008-05-14 | 中国人民解放军国防科学技术大学 | 基于信息融合的柴油动力装置故障诊断系统 |
CN201714489U (zh) * | 2010-07-15 | 2011-01-19 | 深圳市普禄科智能检测设备有限公司 | 一种内燃机在线监测诊断装置 |
CN102680242A (zh) * | 2012-06-06 | 2012-09-19 | 哈尔滨工程大学 | 基于群体智能的柴油机故障诊断方法 |
CN103049636A (zh) * | 2012-09-12 | 2013-04-17 | 江苏大学 | 可能模糊k调和均值聚类方法及系统 |
CN103246814A (zh) * | 2013-05-10 | 2013-08-14 | 哈尔滨工业大学 | 一种基于K-means建模的个人用电设备状态识别方法 |
-
2014
- 2014-03-27 CN CN201410117072.4A patent/CN103900824B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4134374A (en) * | 1976-06-10 | 1979-01-16 | Robert Bosch Gmbh | Method and apparatus for detecting cylinder malfunction in internal combustion engines |
US20050209767A1 (en) * | 2004-03-16 | 2005-09-22 | Honeywell International Inc. | Method for fault diagnosis of a turbine engine |
JP2006315813A (ja) * | 2005-05-13 | 2006-11-24 | Murata Mach Ltd | 移動体の診断システム |
CN101178844A (zh) * | 2007-12-03 | 2008-05-14 | 中国人民解放军国防科学技术大学 | 基于信息融合的柴油动力装置故障诊断系统 |
CN201714489U (zh) * | 2010-07-15 | 2011-01-19 | 深圳市普禄科智能检测设备有限公司 | 一种内燃机在线监测诊断装置 |
CN102680242A (zh) * | 2012-06-06 | 2012-09-19 | 哈尔滨工程大学 | 基于群体智能的柴油机故障诊断方法 |
CN103049636A (zh) * | 2012-09-12 | 2013-04-17 | 江苏大学 | 可能模糊k调和均值聚类方法及系统 |
CN103246814A (zh) * | 2013-05-10 | 2013-08-14 | 哈尔滨工业大学 | 一种基于K-means建模的个人用电设备状态识别方法 |
Non-Patent Citations (4)
Title |
---|
徐袭 等: ""基于粗糙集与K-均值聚类的故障知识挖掘"", 《微计算机信息》 * |
李一倬: ""柴油机远程监测平台的设计与开发"", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
李娟: ""内燃机瞬时转速信号的研究"", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
蒋帅: ""K-均值聚类算法研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104236796A (zh) * | 2014-09-01 | 2014-12-24 | 武汉广远经济发展股份有限公司 | 轴系状态信息采集智能转速传感器 |
CN104236796B (zh) * | 2014-09-01 | 2017-04-05 | 武汉广远经济发展股份有限公司 | 轴系状态信息采集智能转速传感器 |
CN105784377A (zh) * | 2016-03-28 | 2016-07-20 | 中国船舶工业系统工程研究院 | 基于瞬时转速的柴油机工作均衡性故障诊断方法及装置 |
CN107066996A (zh) * | 2017-06-22 | 2017-08-18 | 中国人民解放军海军工程大学 | 一种基于转速的缸压曲线重构方法 |
CN107066996B (zh) * | 2017-06-22 | 2019-10-22 | 中国人民解放军海军工程大学 | 一种基于转速的缸压曲线重构方法 |
CN108333258A (zh) * | 2018-01-11 | 2018-07-27 | 浙江大学 | 基于声发射技术的复合材料气瓶水压爆破监测装置及方法 |
CN108678728A (zh) * | 2018-05-15 | 2018-10-19 | 北京理工大学 | 一种基于k-means的油井参数分析组合算法 |
CN110349293A (zh) * | 2019-07-16 | 2019-10-18 | 深圳市智物联网络有限公司 | 发动机异常停机检测方法、系统、装置及存储介质 |
CN110530647A (zh) * | 2019-08-30 | 2019-12-03 | 大连海事大学 | 基于声发射技术和曲轴瞬时转速的内燃机健康监测方法 |
CN110530647B (zh) * | 2019-08-30 | 2021-05-14 | 大连海事大学 | 基于声发射技术和曲轴瞬时转速的内燃机健康监测方法 |
CN113933012A (zh) * | 2021-10-14 | 2022-01-14 | 西安现代控制技术研究所 | 基于K-means聚类的螺旋桨转速测量方法 |
CN113933012B (zh) * | 2021-10-14 | 2024-01-30 | 西安现代控制技术研究所 | 基于K-means聚类的螺旋桨转速测量方法 |
CN114542281A (zh) * | 2021-12-23 | 2022-05-27 | 中国北方发动机研究所(天津) | 一种基于多源数据融合的柴油机失火故障识别方法 |
CN114542281B (zh) * | 2021-12-23 | 2023-03-14 | 中国北方发动机研究所(天津) | 一种基于多源数据融合的柴油机失火故障识别方法 |
CN114459766A (zh) * | 2022-01-13 | 2022-05-10 | 武汉理工大学 | 一种海洋平台原油发电机组油头工作状态监测方法 |
CN114459766B (zh) * | 2022-01-13 | 2024-06-11 | 武汉理工大学 | 一种海洋平台原油发电机组油头工作状态监测方法 |
CN114563189A (zh) * | 2022-02-28 | 2022-05-31 | 西北工业大学 | 基于瞬时转速的无人机发动机故障诊断方法 |
CN114563189B (zh) * | 2022-02-28 | 2024-01-12 | 西北工业大学 | 基于瞬时转速的无人机发动机故障诊断方法 |
CN116679165A (zh) * | 2023-07-03 | 2023-09-01 | 国网四川省电力公司成都供电公司 | 基于同步挤压广义s变换的频域反射电缆缺陷定位方法 |
CN116679165B (zh) * | 2023-07-03 | 2024-04-26 | 国网四川省电力公司成都供电公司 | 基于同步挤压广义s变换的频域反射电缆缺陷定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103900824B (zh) | 2016-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103900824B (zh) | 基于瞬时转速聚类分析的柴油机故障诊断方法 | |
US11454567B2 (en) | Fault diagnosis method of reciprocating machinery based on keyphasor-free complete-cycle signal | |
CN108426713A (zh) | 基于小波变换和深度学习的滚动轴承微弱故障诊断方法 | |
CN104132250B (zh) | 一种基于改进小波包的管道泄漏特征向量提取方法 | |
CN109827777B (zh) | 基于偏最小二乘法极限学习机的滚动轴承故障预测方法 | |
CN107013449A (zh) | 基于深度学习的声音信号识别压缩机故障的方法及系统 | |
Guo et al. | Rolling bearing fault classification based on envelope spectrum and support vector machine | |
CN103398769B (zh) | 基于小波ggd特征和不均衡k-均值下采样集成svm的变压器在线故障检测方法 | |
CN105486514B (zh) | 船用柴油机进气门间隙过大故障诊断方法及装置 | |
CN107631867A (zh) | 一种基于深度学习的旋转机械故障智能分类方法 | |
CN105469138A (zh) | 基于粒子群和支持向量机的控制系统执行器故障诊断方法 | |
CN105626502A (zh) | 基于小波包和拉普拉斯特征映射的柱塞泵健康评估方法 | |
Shi et al. | Hydraulic directional valve fault diagnosis using a weighted adaptive fusion of multi-dimensional features of a multi-sensor | |
CN103323228A (zh) | 一种矿用钻机故障智能识别方法 | |
CN113532848A (zh) | 一种行星齿轮箱故障诊断系统 | |
CN103267652B (zh) | 一种智能早期设备故障在线诊断方法 | |
CN104102726A (zh) | 基于层次聚类的改进k均值聚类算法 | |
CN105865794A (zh) | 基于短时傅立叶变换和主分量分析的发动机失火故障诊断方法 | |
CN202661269U (zh) | 一种柴油机复合故障诊断的测试平台 | |
Liang et al. | Multi-sensor signals multi-scale fusion method for fault detection of high-speed and high-power diesel engine under variable operating conditions | |
CN103821749A (zh) | 一种轴流式通风机失速和喘振的在线诊断方法 | |
CN114263621A (zh) | 一种离心泵空化故障诊断模拟的试验方法及系统 | |
CN105893673A (zh) | 一种基于振动加速度特征点辨识燃烧特征参数的方法 | |
CN108364021A (zh) | 一种基于层次排列熵的轴承故障特征提取方法 | |
CN108536961B (zh) | 一种船舶柴油机气阀定量检测装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |