CN107655693A - 一种船舶发动机故障诊断系统及方法 - Google Patents
一种船舶发动机故障诊断系统及方法 Download PDFInfo
- Publication number
- CN107655693A CN107655693A CN201711064795.2A CN201711064795A CN107655693A CN 107655693 A CN107655693 A CN 107655693A CN 201711064795 A CN201711064795 A CN 201711064795A CN 107655693 A CN107655693 A CN 107655693A
- Authority
- CN
- China
- Prior art keywords
- signal
- engine
- module
- boat
- ship
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
- G01M15/02—Details or accessories of testing apparatus
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Testing Of Engines (AREA)
Abstract
本发明公开了一种船舶发动机故障诊断系统,包括信息采集模块、振动信号特征提取模块、信号处理模块、数据采集模块、界面显示模块、诊断模块以及船舶发动机;所述信号采集模块包括多个传感器,用于采集信号;所述信号处理模块用于将信号从时域转化到角度域;所述振动信号特征提取模块用于将振动信号进行EMD分解后进行Hilbert变化,从而得到振动信号的时频分布;所述数据采集模块用于采集数据;所述界面显示模块用于将数据采集模块采集的信号通过Labview编程实现界面显示;所述诊断模块用于对船舶发动机进行故障诊断。本发明能快速准确地诊断发动机故障并采取有效措施,并达到提高发动机安全性和可靠性,降低维修费用的有益效果。
Description
技术领域
本发明涉及发动机检测技术领域,尤其涉及一种船舶发动机故障诊断系统及方法。
背景技术
发动机在船舶的发展过程中起着关键性作用,发动机既是船舶的“心脏”又是推动船舶快速发展的源动力。没有好的发动机,就不可能有先进的船舶,人类航海领域中的每一次重大的革命性进展,无不与发动机技术的突破和进步密切相关。船舶发动机状态监测与故障诊断技术的研究已经有很多年的历史,它对监视、评定发动机的工作状态、变化趋势以及寿命消耗和残余寿命,保证发动机安全、可靠运行有着重要的作用。正因如此,船舶发动机故障诊断技术已愈来愈受到世界各发动机制造厂家的重视,而将其作为提高发动机运行可靠性、降低直接使用成本的重要手段。
伴随当代科技的迅猛进步,发动机构造趋于繁杂化,功能也变得极为强大,对工作人员的要求也更为苛刻,作业强度越大,负担就会变得越无法承受,致使产生故障的几率大幅上升,其产生的模式五花八门,严重时会导致停航停工,损失会极为惨重,造成巨大的经济损失,甚至危及人身安全。目前采用的定时维修制度,容易造成材料消耗和维修费用及停产时间的浪费,而且频繁的拆检会破坏各零件之间的摩擦状态,并可能由于装配不当而引起新的故障。因此,在不拆检发动机的情况下,快速准确地诊断发动机故障并采取有效的措施,对提高发动机的安全性和可靠性,降低维修费用,防止突发事故的发生具有重大意义。现代自动检测技术和智能故障诊断技术迅速发展,为解决这类问题提供了可靠的技术基础。船舶发动机本身的复杂性、运行环境的不稳定性、运行过程中的随机性、系统噪声和传感器精度等信息的不确定性,必然导致发动机故障诊断准确率降低,甚至出现漏检和误诊现象。
发明内容
本发明针对上述问题,提供一种船舶发动机故障诊断系统与方法,解决了在不拆检发动机的情况下,能够快速准确地诊断发动机故障并采取有效的措施,以此达到提高发动机的安全性和可靠性,降低维修费用的有益效果,并能够防止突发事故的发生。
本发明采用如下系统来实现:一种船舶发动机故障诊断系统,包括信息采集模块、振动信号特征提取模块、信号处理模块、数据采集模块、界面显示模块、诊断模块以及船舶发动机;所述信号采集模块包括多个传感器,用于采集信号;所述信号处理模块用于将信号从时域转化到角度域;所述振动信号特征提取模块用于将振动信号进行EMD分解后进行Hilbert变化,从而得到振动信号的时频分布;所述数据采集模块用于采集数据;所述界面显示模块用于将数据采集模块采集的信号通过Labview编程实现界面显示;所述诊断模块用于对船舶发动机进行故障诊断;
所述将振动信号进行EMD分解的具体方法为:找出原数据序列X(t)所有的极大值点,并将所有的极大值点通过三次样条插值函数拟合形成原数据的上包络线;找出原数据序列X(t)所有所有的极小值点,并将所有的极小值点通过三次样条插值函数拟合形成原数据的下包络线,将上包络线和下包络线的均值记作平均包络ml,将原数据序列X(t)与所述平均包络m l做差值运算,从而得到新数据序列。
进一步地,所述多个传感器包括:振动传感器、转速传感器、压力传感器、声音传感器以及温度传感器。
进一步地,所述信号采集模块前端安装放大电路,用于将电磁信号干扰降低至预定阈值以下。
进一步地,所述界面显示模块包括监测系统主界面、进排气系统监测界面和发动机冷却系统监测界面;
所述监测系统主界面:用于监测发动机转速、冷却水出口温度以及振动信号;还包括与测功机控制器的通讯信号;
所述通信讯号包括负载、油耗;所述进排气系统监测界面包括:进气增压前与进气增压后的温度、压力,各缸排气温度;所述发动机冷却系统监测界面包括:冷却水进出口温度、压力。
本发明可以采用如下方法来实现:一种船舶发动机故障诊断方法,其特征在于,包括:
步骤一:使用多个传感器采集并处理多种信号;所述多种信号包括振动信号、转速信号、压力信号、声音信号以及温度信号;在处理振动信号之前还包括对振动信号的特征提取,所述特征提取具体为:将振动信号进行EMD分解后进行Hilbert变化,从而得到振动信号的时频分布;
所述将振动信号进行EMD分解的具体方法为:找出原数据序列X(t)所有的极大值点,并将所有的极大值点通过三次样条插值函数拟合形成原数据的上包络线;找出原数据序列X(t)所有所有的极小值点,并将所有的极小值点通过三次样条插值函数拟合形成原数据的下包络线,将上包络线和下包络线的均值记作平均包络ml,将原数据序列X(t)与所述平均包络m l做差值运算,从而得到新数据序列。
步骤二:将振动信号和转速信号从时域转化到角度域,所述转化使用阶比跟踪方法。
步骤三:使用数据采集卡采集数据;
步骤四:将数据采集卡采集的信号使用界面显示模块通过Labview编程实现界面显示;
步骤五:对船舶发动机进行故障诊断,所述诊断为结合神经网络与D-S证据进行诊断。
进一步地,所述多个传感器包括:振动传感器、转速传感器、压力传感器、声音传感器以及温度传感器。
进一步地,所述信号采集前还安装放大电路,用于将电磁信号干扰降低至预定阈值以下。
进一步地,所述界面显示模块包括监测系统主界面、进排气系统监测界面和发动机冷却系统监测界面;
所述监测系统主界面:用于监测发动机转速、冷却水出口温度以及振动信号;还包括与测功机控制器的通讯信号;
所述通信讯号包括负载、油耗;所述进排气系统监测界面包括:进气增压前与进气增压后的温度、压力,各缸排气温度;所述发动机冷却系统监测界面包括:冷却水进出口温度、压力。
综上,本发明给出一种船舶发动机故障诊断系统及方法,包括信息采集模块、振动信号特征提取模块、信号处理模块、数据采集模块、界面显示模块、诊断模块以及船舶发动机;所述信号采集模块包括多个传感器,用于采集信号;所述信号处理模块用于将信号从时域转化到角度域;所述振动信号特征提取模块用于将振动信号进行EMD分解后进行Hilbert变化,从而得到振动信号的时频分布;所述数据采集模块用于采集数据;所述界面显示模块用于将数据采集模块采集的信号通过Labview编程实现界面显示;所述诊断模块用于对船舶发动机进行故障诊断。解决了在不拆检发动机的情况下,能够快速准确地诊断发动机故障并采取有效的措施,以此达到提高发动机的安全性和可靠性,降低维修费用的有益效果,并能够防止突发事故的发生。
有益效果为:
通过振动传感器、转速传感器、声音传感器、压力传感器、温度传感器等测量发动机的各类信号、将信号经过电荷放大器处理,得到平稳信号和非平稳信号。
将得到的信号使用Hilbert-Huang算法处理信号的时频分析,包括EMD分解和Hilbert谱,并以仿真信号显示发动机的数据,对振动信号进行特征提取。
利用神经网络的信息融合技术理论解决故障分析,包括神经网络和D-S理论融合,模糊理论和神经网络的结合。神经网络和D-S理论融合理论可以增强信息处理的快速性,同时减少不确定因素的影响;模糊理论和神经网络的结合可以增强对模糊信息的处理能力同时提高精度。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的一种船舶发动机故障检测诊断系统实施例流程图;
图2所示为阶比跟踪重采样计算过程;
图3所示为BP神经网络和D-S证据理论的融合诊断模型;
图4为本发明提供的一种船舶发动机故障检测诊断方法实施例结构图。
具体实施方式
本发明给出了一种船舶发动机故障诊断系统与方法实施例,为了使本技术领域的人员更好地理解本发明实施例中的技术方案,并使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明中技术方案作进一步详细的说明:
本发明首先提供了一种船舶发动机故障诊断系统实施例,如图1所示,包括:
包括信息采集模块101、振动信号特征提取模块102、信号处理模块103、数据采集模块104、界面显示模块105、诊断模块106以及船舶发动机107;所述信号采集模块101用于包括多个传感器,用于采集信号;所述振动信号特征提取模块102用于将振动信号进行EMD分解后进行Hilbert变化,从而得到振动信号的时频分布;所述信号处理模块103用于将信号从时域转化到角度域;所述数据采集模块104用于采集数据;所述界面显示模块105用于将数据采集模块104采集的信号通过Labview编程实现界面显示;所述诊断模块106用于对船舶发动机进行故障诊断;
所述将振动信号进行EMD分解的具体方法为:找出原数据序列X(t)所有的极大值点,并将所有的极大值点通过三次样条插值函数拟合形成原数据的上包络线;找出原数据序列X(t)所有所有的极小值点,并将所有的极小值点通过三次样条插值函数拟合形成原数据的下包络线,将上包络线和下包络线的均值记作平均包络ml,将原数据序列X(t)与所述平均包络m l做差值运算,从而得到新数据序列。
其中,Hilbert变换包括EMD分解和之相应的Hilber谱分析,它首先将信号经行EMD分解,得到若干个IMF分量,接着对每个IMF分量进行Hilbert变化得到每个分量的瞬时幅值和瞬时频率,从而得到信号完整的时频分布。它是一种有别于传统全域波分析的新型信号处理方法,它可以根据信号的局部时间特征尺度进行自适应的分解,消除了人为因素,克服了经典理论中利用无真实意义的谐频来描述非平稳信号,在时间和频率上都有很好的分辨率。
EMD分解在理论上可以应用于任何类型的信号的分解,特别是在处理非平稳及非线性数据上,相对于傅里叶分解与小波分解等方法具有非常明显的优势,适合于应用在故障诊断数据识别。
其中,数据采集模块中的数据采集卡的控制器是NI公司的PXI系类8106,主机是PXI系类1050,模拟输入数据采集卡采用6251用于温度压力的采集,脉冲定时器采用6602用于瞬时转速采集。
其中,将振动信号和转速信号从时域信号到角度域的转化时还利用阶比跟踪法,从等时间间隔采样的数据出发进行数字重采样获得到带有角度标识的等角度间隔数据的过程,即计算阶比跟踪。使用的方法就是重采样,可以使得对信号的获取更加精确。图2所示为阶比跟踪重采样计算过程。
其中,诊断模块采用模糊理论和神经网络按串联方式连接,将神经网络的输出作为模糊系统的输入,根据模糊算法进行模糊变换得到融合诊断后各故障状态发生的可能性。
为了避免单一传感器存在的固有缺陷有必要融入更多传感器信息来识别发动机的状态,增加诊断的准确性。但是融入过多的参数容易出现:网络结构庞大使得训练时间长;诊断参数增多时样本间可能出现矛盾,影响诊断的可靠性;增加新样本时必须对整个网络重新训练。为了避免以上情况,将神经网络和D-S证据理论结合起来,针对各个测点设计不同的子神经网络进行局部诊断,然后将各个测点的局部诊断结果采用D-S证据理论进行决策层融合诊断,提高诊断的准确性。图3所示为BP神经网络和D-S证据理论的融合诊断模型。
优选地,所述多个传感器包括:振动传感器、转速传感器、压力传感器、声音传感器以及温度传感器。
其中,振动传感器:采用压电式加速度传感器,测量范围0.5-5000HZ;
转速传感器:采用磁电式速度传感器,测量范围1Hz-20k Hz;
压力传感器:采用HM10高精度压力传感器,测量范围0-1Mpa;
声音传感器:采用AVA5633A型精密声级计,属于II型声级计,灵敏度为50m V/Pa,其频率范围为20~12500HZ(±2d B);
温度传感器:K型热电偶,测量范围(0~800度,测量排气口的排气温度);PT100温度传感器,测量范围(-50~200度,用于测量冷却水温度)。
优选地,所述信号采集模块前端安装放大电路,用于将电磁信号干扰降低至预定阈值以下。
其中,利用振动传感器、转速传感器、压力传感器、声音传感器、温度传感器等在发动上选择合适的测点安装,考虑到采集到的信号一般是弱电流或者电压,很容易受到噪声或其它电磁信号的干扰,传输路径越长,受干扰的几率就越高,所以需要安装放大电路来完成信号的采集。
优选地,所述界面显示模块105包括监测系统主界面1051、进排气系统监测界面1052、发动机冷却系统监测界面1053;所述监测系统主界面:用于监测发动机转速、冷却水出口温度以及振动信号;还包括与测功机控制器的通讯信号;所述通信讯号包括负载、油耗;所述进排气系统监测界面包括:进气增压前与进气增压后的温度、压力,各缸排气温度;所述发动机冷却系统监测界面包括:冷却水进出口温度、压力。
将数据采集卡的采集的信号通过Labview编程实现界面显示,它使用图像化的编程界面,无缝支持NI的数据采集卡,无需为数据采集卡写驱动,大大的减少了编程的复杂性,另外Labview有丰富的仪器显示窗口控件,可方便的做出精美的显示界面,可使工程师从繁琐的界面设计从摆脱出来而专心于软件功能和后续数据出来。显示的参数中,可以分为平稳参数和非平稳参数。平稳参数如温度、压力等,对于平稳信号,它们不会变化太快,所以可以降低采样率,以降低系统工作负荷。可以使用Labview自带的DAQ助手实现采集任务。
本发明还提供了一种船舶发动机故障诊断方法实施例,如图4所示,包括:
S201、步骤一:使用多个传感器采集并处理多种信号;所述多种信号包括振动信号、转速信号、压力信号、声音信号以及温度信号;在处理振动信号之前还包括对振动信号的特征提取,所述特征提取具体为:将振动信号进行EMD分解后进行Hilbert变化,从而得到振动信号的时频分布;
所述将振动信号进行EMD分解的具体方法为:找出原数据序列X(t)所有的极大值点,并将所有的极大值点通过三次样条插值函数拟合形成原数据的上包络线;找出原数据序列X(t)所有所有的极小值点,并将所有的极小值点通过三次样条插值函数拟合形成原数据的下包络线,将上包络线和下包络线的均值记作平均包络ml,将原数据序列X(t)与所述平均包络m l做差值运算,从而得到新数据序列。
S202、步骤二:将振动信号和转速信号从时域转化到角度域,所述转化使用阶比跟踪方法。
S203、步骤三:使用数据采集卡采集数据;
S204、步骤四:将数据采集卡采集的信号使用界面显示模块通过Labview编程实现界面显示;
S205、步骤五:对船舶发动机进行故障诊断,所述诊断为结合神经网络与D-S证据进行诊断。
优选地,所述多个传感器包括:振动传感器、转速传感器、压力传感器、声音传感器以及温度传感器。
其中,振动传感器:采用压电式加速度传感器,测量范围0.5-5000HZ;
转速传感器:采用磁电式速度传感器,测量范围1Hz-20k Hz;
压力传感器:采用HM10高精度压力传感器,测量范围0-1Mpa;
声音传感器:采用AVA5633A型精密声级计,属于II型声级计,灵敏度为50m V/Pa,其频率范围为20~12500HZ(±2d B);
温度传感器:K型热电偶,测量范围(0~800度,测量排气口的排气温度);PT100温度传感器,测量范围(-50~200度,用于测量冷却水温度)。
优选地,所述信号采集前还安装放大电路,用于将电磁信号干扰降低至预定阈值以下。
其中,利用振动传感器、转速传感器、压力传感器、声音传感器、温度传感器等在发动上选择合适的测点安装,考虑到采集到的信号一般是弱电流或者电压,很容易受到噪声或其它电磁信号的干扰,传输路径越长,受干扰的几率就越高,所以需要安装放大电路来完成信号的采集。
优选地,所述界面显示模块包括监测系统主界面、进排气系统监测界面和发动机冷却系统监测界面;所述监测系统主界面:用于监测发动机转速、冷却水出口温度以及振动信号;还包括与测功机控制器的通讯信号;所述通信讯号包括负载、油耗;所述进排气系统监测界面包括:进气增压前与进气增压后的温度、压力,各缸排气温度;所述发动机冷却系统监测界面包括:冷却水进出口温度、压力。
综上,通过Hilbert-Huang算法,能有效的分解振动信号体现振动信号内在特征,对比分析了各信号与对应分解出的IMF分量,验证了各IMF分量与各激励源所产生的振动一一对应性,所得信号是有物理意义的。完成在正常状态下发动机的运行参数标本的采集。再通过阶比跟踪算法,由瞬时转速和振动信号准确的融合出角度域下的信号采集,解决了瞬时转速和振动信号在发动机故障振动运用中的难题,为信号特征的提取铺平了道路。并解决了测量瞬时转速中,脉冲增加或缺失的问题,减少了算法误差。再由数据采集卡采集数据发送到Labview界面显示所需信息。
以上实施例用以说明而非限制本发明的技术方案。不脱离本发明精神和范围的任何修改或局部替换,均应涵盖在本发明的权利要求范围当中。
Claims (8)
1.一种船舶发动机故障诊断系统,其特征在于,包括信息采集模块、振动信号特征提取模块、信号处理模块、数据采集模块、界面显示模块、诊断模块以及船舶发动机;所述信号采集模块包括多个传感器,用于采集信号;所述信号处理模块用于将信号从时域转化到角度域;所述振动信号特征提取模块用于将振动信号进行EMD分解后进行Hilbert变化,从而得到振动信号的时频分布;所述数据采集模块用于采集数据;所述界面显示模块用于将数据采集模块采集的信号通过Labview编程实现界面显示;所述诊断模块用于对船舶发动机进行故障诊断;
所述将振动信号进行EMD分解的具体方法为:找出原数据序列X(t)所有的极大值点,并将所有的极大值点通过三次样条插值函数拟合形成原数据的上包络线;找出原数据序列X(t)所有所有的极小值点,并将所有的极小值点通过三次样条插值函数拟合形成原数据的下包络线,将上包络线和下包络线的均值记作平均包络ml,将原数据序列X(t)与所述平均包络ml做差值运算,从而得到新数据序列。
2.如权利要求1所述的船舶发动机故障诊断系统,其特征在于,所述多个传感器包括:振动传感器、转速传感器、压力传感器、声音传感器以及温度传感器。
3.如权利要求2所述的船舶发动机故障诊断系统,其特征在于,所述信号采集模块前端安装放大电路,用于将电磁信号干扰降低至预定阈值以下。
4.如权利要求3所述的船舶发动机故障诊断系统,其特征在于,所述界面显示模块包括监测系统主界面、进排气系统监测界面和发动机冷却系统监测界面;
所述监测系统主界面:用于监测发动机转速、冷却水出口温度以及振动信号;还包括与测功机控制器的通讯信号;所述通信讯号包括负载、油耗;
所述进排气系统监测界面包括:进气增压前与进气增压后的温度、压力,各缸排气温度;
所述发动机冷却系统监测界面包括:冷却水进出口温度、压力。
5.一种船舶发动机故障诊断方法,其特征在于,包括:
步骤一:使用多个传感器采集并处理多种信号;所述多种信号包括振动信号、转速信号、压力信号、声音信号以及温度信号;在处理振动信号之前还包括对振动信号的特征提取,所述特征提取具体为:将振动信号进行EMD分解后进行Hilbert变化,从而得到振动信号的时频分布;
所述将振动信号进行EMD分解的具体方法为:找出原数据序列X(t)所有的极大值点,并将所有的极大值点通过三次样条插值函数拟合形成原数据的上包络线;找出原数据序列X(t)所有所有的极小值点,并将所有的极小值点通过三次样条插值函数拟合形成原数据的下包络线,将上包络线和下包络线的均值记作平均包络ml,将原数据序列X(t)与所述平均包络ml做差值运算,从而得到新数据序列;
步骤二:将振动信号和转速信号从时域转化到角度域,所述转化使用阶比跟踪方法。
步骤三:使用数据采集卡采集数据;
步骤四:将数据采集卡采集的信号使用界面显示模块通过Labview编程实现界面显示;
步骤五:对船舶发动机进行故障诊断,所述诊断为结合神经网络与D-S证据进行诊断。
6.如权利要求5所述的船舶发动机故障诊断方法,其特征在于,所述多个传感器包括:振动传感器、转速传感器、压力传感器、声音传感器以及温度传感器。
7.如权利要求6所述的船舶发动机故障诊断方法,其特征在于,所述信号采集前还安装放大电路,用于将电磁信号干扰降低至预定阈值以下。
8.如权利要求7所述的船舶发动机故障诊断方法,其特征在于,所述界面显示模块包括监测系统主界面、进排气系统监测界面和发动机冷却系统监测界面;
所述监测系统主界面:用于监测发动机转速、冷却水出口温度以及振动信号;还包括与测功机控制器的通讯信号;所述通信讯号包括负载、油耗;
所述进排气系统监测界面包括:进气增压前与进气增压后的温度、压力,各缸排气温度;
所述发动机冷却系统监测界面包括:冷却水进出口温度、压力。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711064795.2A CN107655693A (zh) | 2017-11-02 | 2017-11-02 | 一种船舶发动机故障诊断系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711064795.2A CN107655693A (zh) | 2017-11-02 | 2017-11-02 | 一种船舶发动机故障诊断系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107655693A true CN107655693A (zh) | 2018-02-02 |
Family
ID=61095503
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711064795.2A Pending CN107655693A (zh) | 2017-11-02 | 2017-11-02 | 一种船舶发动机故障诊断系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107655693A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108680860A (zh) * | 2018-07-23 | 2018-10-19 | 五邑大学 | 一种eps电机故障检测方法 |
CN109117784A (zh) * | 2018-08-08 | 2019-01-01 | 上海海事大学 | 一种改进经验模态分解的船舶电力推进系统故障诊断方法 |
CN109342057A (zh) * | 2018-10-18 | 2019-02-15 | 清研众智测试技术(天津)有限公司 | 一种具有高速数据采集功能的传动部件测试系统 |
CN109375608A (zh) * | 2018-10-12 | 2019-02-22 | 洛阳智能农业装备研究院有限公司 | 一种基于图模型的发动机故障诊断方法 |
CN109489979A (zh) * | 2018-11-14 | 2019-03-19 | 中国航发动力股份有限公司 | 一种发动机振动与机匣类零组件相关性的分析方法 |
CN109540502A (zh) * | 2018-10-18 | 2019-03-29 | 清研新能源汽车工程中心(襄阳)有限公司 | 一种兼顾高低转速模式的传动部件测试系统 |
CN110705797A (zh) * | 2019-10-09 | 2020-01-17 | 浙江海洋大学 | 一种基于船舶传感网的船舶油耗数据预测方法 |
CN110715806A (zh) * | 2019-10-25 | 2020-01-21 | 中船动力有限公司 | 柴油机进排气系统健康评估方法 |
CN111368885A (zh) * | 2020-02-24 | 2020-07-03 | 大连理工大学 | 一种基于深度学习和信息融合的航空发动机气路故障诊断方法 |
CN111779573A (zh) * | 2020-06-28 | 2020-10-16 | 河南柴油机重工有限责任公司 | 一种柴油机在线故障检测方法及装置 |
CN114878172A (zh) * | 2022-04-26 | 2022-08-09 | 上海船舶运输科学研究所有限公司 | 一种船舶主机气缸温度信号特征提取方法及系统 |
CN115839848A (zh) * | 2023-02-22 | 2023-03-24 | 中国船舶集团有限公司第七一九研究所 | 一种用于船舶诊断的数据采集及管理方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102252852A (zh) * | 2011-01-26 | 2011-11-23 | 中国人民解放军军事交通学院 | 柴油发动机信号采集装置及其燃烧质量检测和无负荷测功方法 |
CN102840882A (zh) * | 2012-09-04 | 2012-12-26 | 中国海洋石油总公司 | 燃气透平发电机组状态监测和故障诊断系统及其使用方法 |
CN102749425B (zh) * | 2012-07-30 | 2014-12-31 | 潍柴动力股份有限公司 | 一种发动机机体疲劳试验裂纹诊断方法和装置 |
CN204649225U (zh) * | 2015-04-20 | 2015-09-16 | 浙江海洋学院 | 一种船舶轴系运动在线监测装置 |
CN106707922A (zh) * | 2015-11-18 | 2017-05-24 | 重庆市彭敏科技有限责任公司 | 船舶动力驱动调控系统的使用方法 |
-
2017
- 2017-11-02 CN CN201711064795.2A patent/CN107655693A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102252852A (zh) * | 2011-01-26 | 2011-11-23 | 中国人民解放军军事交通学院 | 柴油发动机信号采集装置及其燃烧质量检测和无负荷测功方法 |
CN102749425B (zh) * | 2012-07-30 | 2014-12-31 | 潍柴动力股份有限公司 | 一种发动机机体疲劳试验裂纹诊断方法和装置 |
CN102840882A (zh) * | 2012-09-04 | 2012-12-26 | 中国海洋石油总公司 | 燃气透平发电机组状态监测和故障诊断系统及其使用方法 |
CN204649225U (zh) * | 2015-04-20 | 2015-09-16 | 浙江海洋学院 | 一种船舶轴系运动在线监测装置 |
CN106707922A (zh) * | 2015-11-18 | 2017-05-24 | 重庆市彭敏科技有限责任公司 | 船舶动力驱动调控系统的使用方法 |
Non-Patent Citations (2)
Title |
---|
杨书勇、徐小力、王立勇: "基于多技术信息融合的往复式机械故障诊断研究", 《第七届全国设备维修与改造暨第十届全国设备润滑与液压学术会议论文集》 * |
蒋大伟: "基于多传感器信息融合的柴油机配气机构故障诊断技术研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108680860A (zh) * | 2018-07-23 | 2018-10-19 | 五邑大学 | 一种eps电机故障检测方法 |
CN109117784A (zh) * | 2018-08-08 | 2019-01-01 | 上海海事大学 | 一种改进经验模态分解的船舶电力推进系统故障诊断方法 |
CN109117784B (zh) * | 2018-08-08 | 2024-02-02 | 上海海事大学 | 一种改进经验模态分解的船舶电力推进系统故障诊断方法 |
CN109375608A (zh) * | 2018-10-12 | 2019-02-22 | 洛阳智能农业装备研究院有限公司 | 一种基于图模型的发动机故障诊断方法 |
CN109342057A (zh) * | 2018-10-18 | 2019-02-15 | 清研众智测试技术(天津)有限公司 | 一种具有高速数据采集功能的传动部件测试系统 |
CN109540502A (zh) * | 2018-10-18 | 2019-03-29 | 清研新能源汽车工程中心(襄阳)有限公司 | 一种兼顾高低转速模式的传动部件测试系统 |
CN109489979B (zh) * | 2018-11-14 | 2020-06-30 | 中国航发动力股份有限公司 | 一种发动机振动与机匣类零组件相关性的分析方法 |
CN109489979A (zh) * | 2018-11-14 | 2019-03-19 | 中国航发动力股份有限公司 | 一种发动机振动与机匣类零组件相关性的分析方法 |
CN110705797A (zh) * | 2019-10-09 | 2020-01-17 | 浙江海洋大学 | 一种基于船舶传感网的船舶油耗数据预测方法 |
CN110705797B (zh) * | 2019-10-09 | 2023-09-22 | 浙江海洋大学 | 一种基于船舶传感网的船舶油耗数据预测方法 |
CN110715806A (zh) * | 2019-10-25 | 2020-01-21 | 中船动力有限公司 | 柴油机进排气系统健康评估方法 |
CN111368885A (zh) * | 2020-02-24 | 2020-07-03 | 大连理工大学 | 一种基于深度学习和信息融合的航空发动机气路故障诊断方法 |
CN111368885B (zh) * | 2020-02-24 | 2021-12-03 | 大连理工大学 | 一种航空发动机气路故障诊断方法 |
CN111779573A (zh) * | 2020-06-28 | 2020-10-16 | 河南柴油机重工有限责任公司 | 一种柴油机在线故障检测方法及装置 |
CN111779573B (zh) * | 2020-06-28 | 2022-02-11 | 河南柴油机重工有限责任公司 | 一种柴油机在线故障检测方法及装置 |
CN114878172A (zh) * | 2022-04-26 | 2022-08-09 | 上海船舶运输科学研究所有限公司 | 一种船舶主机气缸温度信号特征提取方法及系统 |
CN114878172B (zh) * | 2022-04-26 | 2024-01-26 | 上海船舶运输科学研究所有限公司 | 一种船舶主机气缸温度信号特征提取方法及系统 |
CN115839848A (zh) * | 2023-02-22 | 2023-03-24 | 中国船舶集团有限公司第七一九研究所 | 一种用于船舶诊断的数据采集及管理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107655693A (zh) | 一种船舶发动机故障诊断系统及方法 | |
JP6557110B2 (ja) | 状態診断装置及びプログラム | |
CN102494899B (zh) | 柴油机复合故障诊断方法及诊断系统 | |
CN104048825B (zh) | 一种多传感器融合的风电机组齿轮箱故障定位方法 | |
CN108195587A (zh) | 一种电机滚动轴承故障诊断方法及其诊断系统 | |
CN113076625B (zh) | 一种舰船柴油发电机组健康管理系统及其工作方法 | |
CN106338406A (zh) | 列车牵引电传动系统的在线监测与故障预警系统及方法 | |
CN110553844B (zh) | 旋转机械的不对中故障检测方法及其检测系统 | |
CN106441896A (zh) | 滚动轴承故障模式识别及状态监测的特征向量提取方法 | |
CN108760294B (zh) | 旋转机械设备自动诊断系统及方法 | |
CN107884214A (zh) | 一种列车走行部部件故障多参数综合决策方法及装置 | |
CN102103036A (zh) | 基于振动和音频信息的汽车发动机故障诊断系统 | |
CN109932179A (zh) | 一种基于ds自适应谱重构的滚动轴承故障检测方法 | |
CN108008718A (zh) | 基于模型的智能型船舶机舱监测报警系统 | |
JPH09503579A (ja) | 回転羽根車上の多数の羽根の振動状態を表示するためのモニターシステム | |
CN104266841A (zh) | 柴油机的故障诊断装置和诊断方法 | |
CN106706314A (zh) | 基于虚拟仪器的汽车自动变速器故障诊断仪及诊断方法 | |
CN106248356A (zh) | 一种基于峭度指标的旋转机械故障诊断方法 | |
CN202661269U (zh) | 一种柴油机复合故障诊断的测试平台 | |
CN112115802A (zh) | 一种起重机回转机构齿轮故障诊断方法、系统及存储介质 | |
CN206488924U (zh) | 基于虚拟仪器的汽车自动变速器故障诊断仪 | |
CN113008565A (zh) | 一种船舶柴油机组智能健康管理系统 | |
CN104569814A (zh) | 一种基于近似熵的直流牵引电机健康状态实时分析方法 | |
Nacib et al. | A comparative study of various methods of gear faults diagnosis | |
CN106198079A (zh) | 一种基于裕度指标的旋转机械故障诊断方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180202 |