CN110220711B - 一种基于emd的活塞式发动机冲击特征提取方法 - Google Patents
一种基于emd的活塞式发动机冲击特征提取方法 Download PDFInfo
- Publication number
- CN110220711B CN110220711B CN201910428549.3A CN201910428549A CN110220711B CN 110220711 B CN110220711 B CN 110220711B CN 201910428549 A CN201910428549 A CN 201910428549A CN 110220711 B CN110220711 B CN 110220711B
- Authority
- CN
- China
- Prior art keywords
- impact
- cylinder
- matrix
- engine
- signal
- 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.)
- Active
Links
Images
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
- G01M15/04—Testing internal-combustion engines
- G01M15/12—Testing internal-combustion engines by monitoring vibrations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
Abstract
本发明涉及一种基于EMD的活塞式发动机冲击特征提取方法,主要利用EMD方法对非线性、非平稳信号自适应分解的优势,对发动机振动信号进行分解与重构,去除相关性低的部分;再利用发动机振动信号分布特点,计算冲击判断门限值,解决不同工况导致信号出现差异,而单一固定门限值判断存在误差的问题;最后,对比发动机所有气缸冲击次数、冲击峰值、冲击持续宽度,有效提取出现异常的气缸。在TBD234型柴油机上验证了本发明的计算方法,取得了良好的效果。
Description
技术领域
本发明属于活塞式发动机故障特征提取技术领域,涉及一种基于EMD的活塞式发动机冲击特征提取方法。
背景技术
以汽油机、柴油机、燃气发动机为代表的活塞式发动机,具有气缸多、结构紧凑、振动大,冲击干扰强烈等特点。由于不同气缸振动冲击信号相互叠加,振动波形噪声、冲击耦合强烈,故障特征提取和诊断难度较大。
对现有发动机振动冲击特征提取方法进行调研、查阅,发现已开展了大量研究,形成了较多成果。具体如下:《基于振动时频图像全局和局部特征融合的柴油机故障诊断》中采用平滑伪魏格纳分布(SPWVD)时频分析方法得到柴油机缸盖信号的等高线时频图像,然后将图像转化为灰度图并进行压缩;然后通过核主成分分析(KPCA)和局部非负矩阵分解(LNMF)分别提取全局特征和局部特征;最后通过独立分量分析(ICA)降维形成新的融合特征向量。《基于高阶累积量图像特征的柴油机故障诊断研究》中截取柴油机的6个工作循环的振动信号进行三阶累积量计算,然后累加取平均生成单个工作循环的三阶累积量图像,最后通过计算三阶累积量图像的灰度共生矩阵提取出了三个方向共18个图像纹理特征。《基于灰度图像纹理分析的柴油机失火故障特征提取》中提出了一种基于灰度图像纹理分析的二维故障特征提取模型,将时域振动信号转化为灰度图,通过局部二值模式对灰度图进行局部纹理分析,提取其局部特征,并通过二维傅里叶变换识别灰度图的特征频率。《基于Teager算子的柴油机活塞-气缸磨损故障特征增强方法》中通过Teager能量算子增强柴油机怠速时缸体上部左侧振动信号的瞬态冲击特征,并作为柴油机活塞-气缸磨损故障监测诊断的特征值。《基于多尺度核独立成分分析的柴油机故障诊断》中提出奇异值能量标准谱对缸盖振动信号中的微弱冲击特征进行增强;然后对信号进行固有时间尺度分解,并基于相关性准则选择有效频带分量。《根据瞬时转速与冲击信号诊断柴油机故障的方法》从得到瞬时转速、特定相位缸体振动信号入手,对比正常情况下信号特征,分析失火故障与特征信号的内在联系。《基于EMD的Hilbert变换的柴油机气缸套磨损故障诊断》中改变柴油机的转矩和转速,测量各工况下缸盖的振动信号,并对其进行EMD分析。《基于EMD-SVD和SVM的柴油机气门故障诊断》中利用声信号诊断发动机故障时,为解决信噪比较低、故障特征提取困难等问题,提出基于EMD-SVD提取特征和支持向量机(SVM)进行模式识别的诊断方法。
本发明相对上述研究成果对发动机信号的处理方法,存在如下的区别。
(1)进通过EMD分解与重构之后,利用活塞式发动机整周期振动信号自适应提取冲击特征判断门限值,该自适应提取方法在以往文献中未见有报道。
(2)在通过上述门限值识别冲击的基础上,提出了一种振动波形冲击聚类方法,进一步完成冲击组的持续宽度计算。
(3)在上述特征提取计算方法基础上,进一步通过对比发动机每个气缸振动信号的计算结果,判断出现异常的气缸,提高了发动机异常判断的准确性。
发明内容
1、一种基于EMD的活塞式发动机冲击特征提取方法,其特征在于包括以下步骤:
1)在发动机气缸缸盖位置采集整周期振动信号记为V(i),i代表波形采样点数,总数记为I;若发动机为四冲程,则V(i)采集曲轴转动720度的振动波形,若发动机为二冲程,则V(i)采集曲轴转动360度的振动波形,保证信号V(i)与发动机工作周期一致;
2)对V(i)进行EMD分解,得到各阶IMF分量,第j阶IMF分量记为M(i,j);计算各阶IMF分量M(i,j)与原振动信号V(i)的相关系数R(j),取R(j)≥0.5的所有IMF分量,重构信号得到V'(i);
3)利用发动机整周期振动信号V(i)自适应提取冲击特征判断门限值S;
4)对信号V'(i)取绝对值,再与S进行比较,当V'(i)大于等于S时,V'(i)保持不变,当V'(i)小于S时,V'(i)=0;
5)提取信号V'(i)大于0的所有元素,数量为n,以这些元素的坐标i,从小到大排列,组成一个新的数列Z(k)=i,k=1,2,3…n;
6)计算数列Z(k)中每个元素之间的两两距离L(k1,k2)=|Z(k1)-Z(k2)|,k1与k2的取值范围是1到n,组成一个n×n矩阵L;由矩阵L对信号V'(i)大于0的所有元素进行聚类,形成Num个冲击组,以冲击组的数量Num作为发动机气缸缸盖振动的冲击次数,提取每个冲击组的持续宽度W(o),o=1,2,3…Num;
7)对发动机每个气缸,进行上述1)到6)步的计算过程,获得每个气缸缸盖振动的冲击次数与每个冲击组的持续宽度、冲击的最大峰值,对比一段时间内每个气缸冲击次数与每个冲击组持续宽度的变化,若存在某个气缸的冲击次数超过所有气缸冲击次数平均值的1.5倍,或存在某个气缸第o个冲击组持续宽度超过所有气缸第o个冲击组持续宽度平均值的1.5倍,可判定该气缸运行状态存在异常,需重点关注或安排检修;
2、根据权利要求1中所述的一种基于EMD的活塞式发动机冲击特征提取方法,其特征在于所述步骤2)中的重构方法与相关系数计算方法:
R(j)采用以下计算方法为:
1)将各阶IMF分量M(i,j)与原振动信号V(i)均分为72段;
2)计算各阶IMF分量M(i,j)均分72段后的每段平均值,记为Mmean(s,j),s=1,2,3…72;计算原振动信号V(i)均分72段后的每段平均值,记为Vmean(s);
3、根据权利要求1中所述的一种基于EMD的活塞式发动机冲击特征提取方法,其特征在于所述步骤3)中门限值S的计算方法:
1)对整周期振动信号V(i)取绝对值后从小到大进行排序,得到新的信号VP(i);
3)遍历W(i),得到与1相差最小的值,记该值在信号W(i)中的序号为ii,该值可记为W(ii)
4)门限值S=VP(ii);
4、根据权利要求1中所述的一种基于EMD的活塞式发动机冲击特征提取方法,其特征在于所述步骤6)中的聚类计算方法与冲击组的持续宽度计算方法:
2)建立一个新矩阵L’(k1,k2),令L’(k1,k2)=L(k1,k2),保证矩阵L’(k1,k2)与矩阵L(k1,k2)完全相等;对矩阵L’(k1,k2)每一行的元素与平均值Lmean(k1)进行比较,当L’(k1,k2)小于Lmean(k1)时,L’(k1,k2)=1,当L’(k1,k2)大于或等于Lmean(k1)时,L’(k1,k2)=0;得到一个新的n×n矩阵L’(k1,k2);
3)对上述矩阵L’(k1,k2),提取第一行数据,从第一个为1的元素开始遍历,把连续为1的所有元素提取出来,组成一个新的向量Q,计算Q中的元素数量为q;
4)对矩阵L’(k1,k2)剔除1到q行与1到q列的所有数据,得到一个新的矩阵L1’(k3,k4),k3与k4的的取值范围是1到n-q;
5)对步骤4)中得到的新矩阵L1’(k3,k4)重复步骤3)的计算过程,直到新矩阵L1’(k3,k4)为空;
6)经过上述处理,得到Num个向量Q,即聚类得到Num个冲击组;
7)对上述Num个冲击组,第y个冲击组的持续宽度计算方法如下:
附图说明
(1)图1本发明算法处理流程图
(2)图2 A1气缸正常状态振动波形
(3)图3 A3气缸正常状态振动波形
(4)图4 B6气缸正常状态振动波形
(5)图5 B6气缸异常状态振动波形
(6)图6 A1气缸正常状态经过EMD分解与重构后的振动波形
(7)图7 A3气缸正常状态经过EMD分解与重构后的振动波形
(8)图8 B6气缸正常状态经过EMD分解与重构后的振动波形
(9)图9 B6气缸异常状态经过EMD分解与重构后的振动波形
(10)图10 A1气缸正常状态经过聚类处理后的冲击波形
(11)图11 A3气缸正常状态经过聚类处理后的冲击波形
(12)图12 B6气缸正常状态经过聚类处理后的冲击波形
(13)图13 B6气缸异常状态经过聚类处理后的冲击波形
具体实施方式
以一台12缸V型TBD234柴油机为对象,对本发明提出的基于EMD的活塞式发动机冲击特征提取方法进行计算和实现。该发动机工作参数如下所示。
表1 TBD234柴油机工作参数表
参数类型 | 具体数值 |
气缸数 | 12 |
形状/曲轴夹角 | V-shaped 60° |
气缸点火次序 | B1-A1-B5-A5-B3-A3-B6-A6-B1-A2-B4-A4 |
额定转速 | 2100rev/min |
额定功率 | 485kW |
进气门间隙 | 0.3mm |
排气门间隙 | 0.5mm |
方法的实施流程如图1所示。具体实施如下:
(1)在该发动机每个气缸缸盖位置布置振动加速度传感器,采集气缸振动信号V(i)。该机组为四冲程柴油机,因此采集曲轴转动两圈的振动信号。分布针对正常状态和对B6缸故障实验状态下进行信号采集,注意对B6缸进行故障实验是与正常状态的相同转速和功率状态下。代表性的各缸正常状态振动波形如图2、图3、图4所示,B6缸故障实验状态采集的振动波形如图5所示,每组波形的数据点数为3416。
(2)采用EMD方法对上述振动波形V(i)进行分解,每组振动波形得到12阶IMF分量M(i,j),每阶IMF数据点数与原振动波形一致。对所有的波形均分为72段,计算每段的平均值,计算各阶IMF分量M(i,j)均分72段后的每段平均值,记为Mmean(s,j),s=1,2,3…72,计算原振动信号V(i)均分72段后的每段平均值,记为Vmean(s),相关系数R(j)的计算公式如下:
取R(j)≥0.5的所有IMF分量,重构后的信号得到V'(i);如图6、图7、图8、图9所示;可看出重构后的信号保留了原始信号的大部分特征,并去除了不必要的干扰信号,为后续特征计算奠定了基础。
(3)利用发动机整周期振动信号V(i)自适应提取冲击特征判断门限值S;计算过程如下:
1)对整周期振动信号V(i)取绝对值后从小到大进行排序,得到新的信号VP(i);
3)遍历W(i),得到第1个与1相差最小的值,记该值在信号W(i)中的序号为ii,该值可记为W(ii);
4)门限值S=VP(ii);
该过程主要利用信号分布特点自适应计算冲击判断的门限值;由于发动机工作转速、工作功率等存在多种状态,任何单一门限值均会导致判断错误,利用不同状态下信号自身的分布特点计算门限值将有效避免门限值选择失效。该计算方法利用了振动信号冲击成分为高频、突变信号的特点,利用信号数据变化率提取门限值。
正常状态下A1缸计算的门限值为23.6m/s2,A2缸计算的门限值为25.55m/s2,A3缸计算的门限值为20.9m/s2,A4缸计算的门限值为26.65m/s2。故障状态下,B6缸门限值计算结果为27.8m/s2。可见各个缸的门限值计算结果较为接近,但是存在一定偏差,主要是各个缸在同等负荷和转速状态下,信号总体分布很接近。
(4)对重构后的信号V'(i)取绝对值,再与门限值S进行比较,当V'(i)大于等于S时,V'(i)保持不变,当V'(i)小于S时,V'(i)=0;处理结果如图10、图11、图12、图13所示。
(5)提取信号V'(i)大于0的所有元素,数量为n,以这些元素的坐标i,从小到大排列,组成一个新的数列Z(k)=i,k=1,2,3…n;
(6)计算数列Z(k)中每个元素之间的两两距离L(k1,k2)=|Z(k1)-Z(k2)|,k1与k2的取值范围是1到n,组成一个n×n矩阵L;由矩阵L对信号V'(i)大于0的所有元素进行聚类,形成Num个冲击组,以冲击组的数量Num作为柴油机气缸缸盖振动的冲击次数,提取每个冲击组的持续宽度W(o),o=1,2,3…Num。
聚类计算方法与冲击组的持续宽度计算方法如下所示:
2)建立一个新矩阵L’(k1,k2),令L’(k1,k2)=L(k1,k2),保证矩阵L’(k1,k2)与矩阵L(k1,k2)完全相等;对矩阵L’(k1,k2)每一行的元素与平均值Lmean(k1)进行比较,当L’(k1,k2)小于Lmean(k1)时,L’(k1,k2)=1,当L’(k1,k2)大于或等于Lmean(k1)时,L’(k1,k2)=0;得到一个新的n×n矩阵L’(k1,k2);
3)对上述矩阵L’(k1,k2),提取第一行数据,从第一个为1的元素开始遍历,把连续为1的所有元素提取出来,组成一个新的向量Q,计算Q中的元素数量为q;
4)对矩阵L’(k1,k2)剔除1到q行与1到q列的所有数据,得到一个新的矩阵L1’(k3,k4),k3与k4的的取值范围是1到n-q;
5)对步骤4)中得到的新矩阵L1’(k3,k4)重复步骤3)的计算过程,直到新矩阵L1’(k3,k4)为空;
6)经过上述处理,得到Num个向量Q,即聚类得到Num个冲击组;
7)对上述Num个冲击组,第y个冲击组的持续宽度计算方法如下:
对发动机各缸振动信号的计算结果如下表2-表3所示。
表2所有气缸均为正常状态的冲击特征提取结果
气缸序号 | 冲击数 | 冲击最小跨度 | 冲击最大宽度 | 最大冲击值 |
1#气缸 | 3 | 110 | 154 | 83.88m/s<sup>2</sup> |
2#气缸 | 3 | 114 | 152 | 123.02m/s<sup>2</sup> |
3#气缸 | 3 | 127 | 211 | 90.01m/s<sup>2</sup> |
4#气缸 | 5 | 50 | 187 | 93.56m/s<sup>2</sup> |
5#气缸 | 4 | 6 | 134 | 76.85m/s<sup>2</sup> |
6#气缸 | 4 | 1 | 108 | 92.07m/s<sup>2</sup> |
7#气缸 | 4 | 28 | 178 | 133.70m/s<sup>2</sup> |
8#气缸 | 3 | 34 | 110 | 122.54m/s<sup>2</sup> |
9#气缸 | 3 | 107 | 224 | 116.01m/s<sup>2</sup> |
10#气缸 | 4 | 39 | 173 | 159.39m/s<sup>2</sup> |
11#气缸 | 4 | 5 | 160 | 90.84m/s<sup>2</sup> |
12#气缸 | 1 | 60 | 60 | 54.42m/s<sup>2</sup> |
表3仅12#气缸进行故障模拟,存在异常状态的冲击特征提取结果
由于篇幅有限,上表中对冲击的最大、最小宽度进行了统计,没有一一展示各个冲击的宽度,但是通过对比可发现,在对B6缸进行故障模拟的状态下,B6缸的冲击次数、最大冲击宽度和最大冲击峰值,相对其他11个气缸有明显的增大,同时相对B6缸正常状态也有显著的增大。这说明B6缸的故障模拟实验导致该缸振动冲击出现了明显的异常特征,本发明方法有效捕捉了该特征变化。
(7)最后对发动机异常缸进行判断,若存在某个气缸的冲击次数超过所有气缸冲击次数平均值的1.5倍,或存在某个气缸第o个冲击组持续宽度超过所有气缸第o个冲击组持续宽度平均值的1.5倍,可判定该气缸运行状态存在异常,需重点关注或安排检修。
经过计算,发现B6缸存在异常,说明本发明的计算结果与故障模拟实验结果是吻合的,也说明本发明的处理过程是有效的。
Claims (1)
1.一种基于EMD的活塞式发动机冲击特征提取方法,其特征在于包括以下步骤:
1)在发动机气缸缸盖位置采集整周期振动信号记为V(i),i代表波形采样点数,总数记为I;若发动机为四冲程,则V(i)采集曲轴转动720度的振动波形,若发动机为二冲程,则V(i)采集曲轴转动360度的振动波形,保证信号V(i)与发动机工作周期一致;
2)对V(i)进行EMD分解,得到各阶IMF分量,第j阶IMF分量记为M(i,j);计算各阶IMF分量M(i,j)与原振动信号V(i)的相关系数R(j),取R(j)≥0.5的所有IMF分量,重构信号得到V'(i);
其中的重构方法与相关系数计算方法:
R(j)采用以下计算方法为:
2.1)将各阶IMF分量M(i,j)与原振动信号V(i)均分为72段;
2.2)计算各阶IMF分量M(i,j)均分72段后的每段平均值,记为Mmean(s,j),s=1,2,3…72;计算原振动信号V(i)均分72段后的每段平均值,记为Vmean(s);
3)利用发动机整周期振动信号V(i)自适应提取冲击特征判断门限值S;步骤3)中门限值S的计算方法:
3.1)对整周期振动信号V(i)取绝对值后从小到大进行排序,得到新的信号VP(i);
3.3)遍历W(i),得到与1相差最小的值,记该值在信号W(i)中的序号为ii,该值记为W(ii)
3.4)门限值S=VP(ii);
4)对信号V'(i)取绝对值,再与S进行比较,当V'(i)大于等于S时,V'(i)保持不变,当V'(i)小于S时,V'(i)=0;
5)提取信号V'(i)大于0的所有元素,数量为n,以这些元素的坐标i,从小到大排列,组成一个新的数列Z(k)=i,k=1,2,3…n;
6)计算数列Z(k)中每个元素之间的两两距离L(k1,k2)=|Z(k1)-Z(k2)|,k1与k2的取值范围是1到n,组成一个n×n矩阵L;由矩阵L对信号V'(i)大于0的所有元素进行聚类,形成Num个冲击组,以冲击组的数量Num作为发动机气缸缸盖振动的冲击次数,提取每个冲击组的持续宽度W(o),o=1,2,3…Num;
其中的聚类计算方法与冲击组的持续宽度计算方法:
6.2)建立一个新矩阵L’(k1,k2),令L’(k1,k2)=L(k1,k2),保证矩阵L’(k1,k2)与矩阵L(k1,k2)完全相等;对矩阵L’(k1,k2)每一行的元素与平均值Lmean(k1)进行比较,当L’(k1,k2)小于Lmean(k1)时,L’(k1,k2)=1,当L’(k1,k2)大于或等于Lmean(k1)时,L’(k1,k2)=0;得到一个新的n×n矩阵L’(k1,k2);
6.3)对上述矩阵L’(k1,k2),提取第一行数据,从第一个为1的元素开始遍历,把连续为1的所有元素提取出来,组成一个新的向量Q,计算Q中的元素数量为q;
6.4)对矩阵L’(k1,k2)剔除1到q行与1到q列的所有数据,得到一个新的矩阵L1’(k3,k4),k3与k4的取值范围是1到n-q;
6.5)对步骤6.4)中得到的新矩阵L1’(k3,k4)重复步骤6.3)的计算过程,直到新矩阵L1’(k3,k4)为空;
6.6)经过上述处理,得到Num个向量Q,即聚类得到Num个冲击组;
6.7)对上述Num个冲击组,第y个冲击组的持续宽度计算方法如下:
7)对发动机每个气缸,进行上述1)到6)步的计算过程,获得每个气缸缸盖振动的冲击次数与每个冲击组的持续宽度、冲击的最大峰值,对比一段时间内每个气缸冲击次数与每个冲击组持续宽度的变化,若存在某个气缸的冲击次数超过所有气缸冲击次数平均值的1.5倍,或存在某个气缸第o个冲击组持续宽度超过所有气缸第o个冲击组持续宽度平均值的1.5倍,可判定该气缸运行状态存在异常,需重点关注或安排检修。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910428549.3A CN110220711B (zh) | 2019-05-22 | 2019-05-22 | 一种基于emd的活塞式发动机冲击特征提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910428549.3A CN110220711B (zh) | 2019-05-22 | 2019-05-22 | 一种基于emd的活塞式发动机冲击特征提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110220711A CN110220711A (zh) | 2019-09-10 |
CN110220711B true CN110220711B (zh) | 2020-10-27 |
Family
ID=67821728
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910428549.3A Active CN110220711B (zh) | 2019-05-22 | 2019-05-22 | 一种基于emd的活塞式发动机冲击特征提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110220711B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111476339B (zh) * | 2020-04-20 | 2023-05-05 | 山东师范大学 | 滚动轴承故障特征提取方法、智能诊断方法及系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7905220B2 (en) * | 2009-07-01 | 2011-03-15 | Haynes Corporation | Speed and position sensing device for EMD two-cycle diesel engines |
CN104236905A (zh) * | 2014-08-26 | 2014-12-24 | 中国直升机设计研究所 | 一种轴承故障诊断方法 |
CN106895906A (zh) * | 2017-03-23 | 2017-06-27 | 西安理工大学 | 一种水轮发电机组振动故障的特征提取方法 |
CN108931294A (zh) * | 2018-05-22 | 2018-12-04 | 北京化工大学 | 一种基于多测点信息融合的柴油机振动冲击来源识别方法 |
CN108759871B (zh) * | 2018-07-03 | 2021-01-05 | 哈尔滨工业大学 | 一种基于改进emd预处理算法的捷联惯性导航系统粗对准方法 |
-
2019
- 2019-05-22 CN CN201910428549.3A patent/CN110220711B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110220711A (zh) | 2019-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Fault diagnosis of diesel engine based on adaptive wavelet packets and EEMD-fractal dimension | |
CN111089726B (zh) | 一种基于最优维数奇异谱分解的滚动轴承故障诊断方法 | |
Zhang et al. | Fault diagnosis of reciprocating compressor using a novel ensemble empirical mode decomposition-convolutional deep belief network | |
CN110263649B (zh) | 一种基于EMD和Teager算子的变负荷活塞式发动机冲击特征提取方法 | |
CN201714489U (zh) | 一种内燃机在线监测诊断装置 | |
CN110220711B (zh) | 一种基于emd的活塞式发动机冲击特征提取方法 | |
CN112098102B (zh) | 一种基于ewt-scwt的内燃机异响识别与诊断方法 | |
CN105090001A (zh) | 一种基于相似性分析的往复压缩机信号整周期相位校准方法 | |
CN111520267A (zh) | 一种基于foa-vmd和hde的共轨喷油器故障诊断方法 | |
CN208207843U (zh) | 一种泥浆泵故障诊断装置 | |
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 | |
Fang et al. | Reciprocating compressors intelligent fault diagnosis under multiple operating conditions based on adaptive variable scale morphological filter | |
CN102944427B (zh) | 内燃机燃烧质量监测诊断方法 | |
CN112761843A (zh) | 一种共轨喷油器故障诊断方法 | |
CN111595585B (zh) | 柴油机气缸故障诊断方法、装置、设备及可读存储介质 | |
CN108536961B (zh) | 一种船舶柴油机气阀定量检测装置 | |
Feng et al. | Research on fault diagnosis of diesel engine based on bispectrum analysis and genetic neural network | |
CN108287074B (zh) | 一种v型机燃烧状况在线监测诊断方法 | |
Zhang et al. | Fault diagnosis of reciprocating machinery based on improved MEEMD-SqueezeNet | |
Yong et al. | Reconstruction of cylinder pressure of IC engine based on neural networks | |
CN115014748A (zh) | 一种用于籽棉分选喷阀的故障诊断方法 | |
Shahid et al. | Neural network-based classification for engine load | |
Zhu et al. | Fault diagnosis of rolling bearing based on WT-VMD and random forest | |
Zhang et al. | Fault diagnosis method of reciprocating compressor based on domain adaptation under multi-working conditions | |
Wang et al. | Improved Dual-channel CNN-BiLstm rolling bearing fault diagnosis study |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |