CN111693291A - 一种基于振动信号的柴油机燃烧故障变工况定量诊断方法 - Google Patents
一种基于振动信号的柴油机燃烧故障变工况定量诊断方法 Download PDFInfo
- Publication number
- CN111693291A CN111693291A CN202010470952.5A CN202010470952A CN111693291A CN 111693291 A CN111693291 A CN 111693291A CN 202010470952 A CN202010470952 A CN 202010470952A CN 111693291 A CN111693291 A CN 111693291A
- Authority
- CN
- China
- Prior art keywords
- cylinder
- vibration
- combustion
- displacement
- cylinders
- 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
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
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Combustion & Propulsion (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
- Testing Of Engines (AREA)
Abstract
本发明公开了一种基于振动信号的柴油机燃烧故障变工况定量诊断方法,提出了一种可靠有效的无量纲指标来定量表征气缸燃烧状态的正常程度。首先,采集不同气缸同位置螺栓连接处的振动加速度信号,截取其中与气缸压力变化相关性较强的成分并采用频域积分的方法重构得到振动位移曲线。其次,通过计算不同气缸之间重构振动位移曲线的相关系数来表征气缸内燃烧做功的正常程度。最后,使用变工况条件下的多缸实测振动数据验证了该指标的稳定性和有效性,通过故障模拟实验测试了该指标的定量识别性能。结果表明,该无量纲指标受工况影响较小,故障区分度较好,可以在连续变工况的运行条件下实现燃烧故障的定量诊断。
Description
技术领域
本发明属于柴油机故障诊断领域,具体涉及基于振动信号的柴油机燃烧故障的在线定量诊断。
背景技术
柴油机的缸盖振动信号蕴含着丰富的状态信息,如进气阀和排气阀的关闭动作所引起的振动冲击响应可以反映气阀的磨损程度,气缸燃爆时刻的振动冲击可以反映燃烧室内的燃烧状态。一般情况下,对柴油机单个气缸的燃烧故障监测通常基于气缸压力传感器所采集的燃烧状态参数。然而,这种直接接触燃烧室的侵入式监测诊断方式不仅成本较高,传感器的安装需要缸体上必须具备专用的接口,而且由于传感器直接接触气缸内的恶劣工作环境,其使用精度和寿命随着柴油机运行时间增加而逐渐下降,在工程实际应用中往往难以推广。近年来,许多研究人员开始探索利用成本低、可靠性高、不受恶劣环境影响且安装方便的振动传感器来近似替代气缸压力传感器的作用,实现对气缸内燃烧状态参数的间接提取及故障诊断。
利用缸盖振动信号对气缸内的燃烧状态进行诊断的主要难点在于:同一型号的不同柴油机之间、同一柴油机不同气缸之间的装配差异不可避免,导致在气缸在相同燃烧激励条件下的冲击振动响应差异明显,故障诊断的阈值难以统一设定。此外,诊断阈值的有效性往往局限于单一工况下的单个气缸,而在不同工况下对不同气缸的监测诊断往往需要设定不同的阈值,这一缺点限制了缸盖振动信号在燃烧故障定量诊断上的可用性。为了避免工况变化、装配差异等因素对诊断阈值设定的干扰,需要构造一种有效可靠的无量纲指标来实时反映燃烧状态的变化。
由于气缸缸盖与缸体之间为螺栓连接,缸盖上的振动位移曲线理论上可以间接反映气缸内的压力曲线变化趋势,这两者之间存在着固定的放大倍数关系。缸盖振动位移虽然在现场难以准确地直接测量,但可以通过对采集的振动加速度进行二次积分间接获取。通过求解两个气缸振动位移曲线之间的相关系数,将两个气缸彼此作为评判基准,不仅可以对其中任意一个气缸振动位移曲线因燃烧故障而发生的改变进行有效识别,同时消除了气缸之间的放大系数差异,避免了装配、工况等因素对指标构造的影响。因此,选用不同气缸之间振动位移的相关系数作为无量纲诊断指标可以克服不同气缸或者变工况场合下的阈值设定困难,简便有效地实现燃烧故障的在线定量监测。
发明内容
本发明的目的在于提供一种简便有效的柴油机燃烧故障在线定量诊断方法。对在任意两个气缸缸盖表面相同位置采集所得的振动加速度信号进行低通滤波,去除与气缸内燃烧冲击振动无关的噪声信号。应用频域二次积分的方法将振动加速度信号转化为振动位移信号,计算这两个振动位移信号在燃爆区间内的波形相关系数,并将其作为衡量两个气缸彼此健康程度的无量纲指标。该诊断方法具有信号采集简便、计算复杂度低以及不受装配误差和工况变化影响的优点。
本发明按照以下步骤进行:
步骤一,使用振动传感器同时采集两个气缸表面的振动加速度信号,其中一个气缸为待诊断气缸,另一个作为参照气缸。
步骤二,对采集得到的振动加速度信号进行低通滤波,去除与气缸内燃烧做功过程无关的噪声成分;
步骤三,对经过低通滤波后的振动加速度信号进行频域二次积分,将其转化为振动位移信号,间接获得缸盖螺栓连接处的振动位移变化曲线;
步骤四,在气缸的主要燃爆区间内,计算步骤三所得的两个振动曲线之间的相关系数,将该相关系数作为同时衡量两个气缸彼此健康程度的无量纲指标。
所述步骤一中,测点统一为缸盖上同位置螺栓连接附近的平整表面,保证采集到的振动加速度信息尽可能反映螺栓连接件的伸缩变化信息;
所述步骤二中,首先对气缸压力信号及其二次微分曲线分别进行时频分析,确定气缸内与燃烧过程相关的能量频带并设置振动加速度信号的低通滤波截止频率fp,去除与燃烧无关的噪声成分。
所述步骤三中,对振动加速度信号进行频域二次积分,间接获得振动位移信号的流程如下:
加速度信号在任一频率的傅里叶分量可表示为:
a(t)=Aejωt
在初速度分量为0时,对上式进行积分得到速度曲线:
当初始速度和初始位移分量均为0时,对加速度信号的傅里叶分量进行两次积分得到位移分量,即:
于是两次积分在频域内的关系为:
将不同频率的傅里叶分量按照上述频域内的关系式计算后,对其进行傅里叶逆变换就可以得到相应的积分位移信号。
所述步骤四中,计算两个气缸振动位移曲线的相关系数流程如下:
通过步骤三中振动积分方法得到任意两个不同气缸螺栓连接处的位移变化数据X和Y,它们与气缸压力之间的关系如下:
其中,PX和PY分别为两个气缸的缸内压力,CXb和CYb分别表示两个气缸的螺栓连接件刚度,CXl和CYl表示两个气缸缸体连接件的刚度,D表示气缸内径。
计算燃爆区间附近这两个振动位移变化趋势的相关系数:
其中,N表示数据点数,和表示两个气缸振动位移的平均值,和分别表示两个气缸压力的平均值。可见,振动位移曲线之间的相关系数可近似替代缸内压力曲线之间的相关系数,当两个气缸均处于正常状态下时,相关系数接近于1,而当其中一个气缸的燃烧状态发生故障,该气缸的振动位移曲线会产生明显改变,与另一气缸振动位移曲线之间的相关系数下降,下降幅度越大,表明燃烧故障越严重。
与现有技术相比,本发明具有以下有益效果:
1、本发明避免了因装配差异、工况变化等因素造成的故障诊断阈值无法统一设定的问题,针对不同柴油机机型、同一机型不同气缸组件之间的诊断阈值可用同一种方法构造;
2、本发明利用气缸之间振动位移曲线的相关系数作为无量纲诊断指标,可以同时对两个气缸的健康状态进行诊断,两个气缸的振动位移可以互为基准进行判断,这一方法可以省去繁琐的正常基准阈值的标定问题,使得诊断可以在柴油机任何加减速运行情况下都可以实施。本发明涉及的方法可以推广至两个以上气缸同时诊断的场合,实用性强,对操作人员的专业知识要求少,便于推广使用。
附图说明
图1为本发明提出的柴油机燃烧故障在线定量识别技术的流程示意图;
图2为气缸压力曲线和缸盖螺栓连接处的振动加速度信号之间的对比;
图3为:(a)气缸压力二次微分曲线和低通滤波后的振动加速度曲线之间的对比,(b)气缸压力曲线二次微分的时频图;
图4为不同气缸振动加速度曲线二次积分后的位移曲线;
图5为不同气缸压力曲线对比:(a)两个气缸正常,(b)其中一个气缸为喷油不足故障;
图6为不同气缸积分位移曲线对比:(a)两个气缸正常,(b)其中一个气缸为喷油不足故障;
图7为变工况运行条件下柴油机气缸失火故障的在线诊断结果
具体实施方式
下面结合附图对本发明做进一步说明。
本发明提出的基于缸间振动位移相关系数的柴油机燃烧故障定量诊断技术,是一种快速的、无需预设阈值的在线诊断方法。本发明利用简便易安装的振动传感器对柴油机的燃烧冲击振动进行采集,基于频域二次积分法将缸盖表面振动加速度信号转换为能够间接反映气缸压力变化趋势振动位移信息,根据振动位移与气缸压力之间的线性对应关系间接获得压力曲线的变化规律,利用所获得的任意两个气缸振动位移曲线之间的相关系数大小来衡量气缸的健康程度。
本发明所用振动加速度传感器的安装位置需要尽可能靠近螺旋连接处,保证对加速度信号进行二次积分后所获得的位移曲线能够尽可能接近真实的螺栓连接变形状态,减少机身其他振源的噪声干扰。
图2所示为同步采集的气缸压力曲线和对应气缸的缸盖螺栓连接处的振动加速度信号对比。
图3中所示为归一化的气缸压力二次微分曲线及低通滤波后的振动加速度曲线。可以看出,经过低通滤波后的振动加速度曲线与气缸压力二次微分曲线之间呈现出良好的对应关系。从压力曲线二次微分的时频分布图中可看出,有且只有在燃爆区间产生了明显的4314Hz的能量峰值,表明压力变化加速度在5000Hz以内,据此可以设定振动加速度信号的低通滤波截止频率为5000Hz,去除高频的无关噪声。
图4中所示为对两个不同气缸的振动加速度信号进行二次积分,间接获取各自的振动位移曲线,流程如下:
加速度信号在任一频率的傅里叶分量可表示为:
a(t)=Aejωt
在初速度分量为0时,对上式进行积分得到速度曲线:
当初始速度和初始位移分量均为0时,对加速度信号的傅里叶分量进行两次积分得到位移分量,即:
于是两次积分在频域内的关系为:
将不同频率的傅里叶分量按照上述频域内的关系式计算后,对其进行傅里叶逆变换就可以得到相应的积分位移信号。
可见,在两个气缸压力曲线基本一致的情况下,振动加速度响应及其振动位移的波形近似,但是幅度差别明显,体现了振动传递路径的差异因素的影响。由于气缸之间的结构误差和装配误差不可能完全保持一致,气缸内燃爆冲击振动的传播路径中的刚度差异不可避免,因此对于振动位移变化趋势的主要影响发生在对压力信号放大倍数上的差异。
振动积分方法得到任意两个不同气缸螺栓连接处的位移变化数据X和Y,它们与气缸压力之间的关系如下:
其中,PX和PY分别为两个气缸的缸内压力,CXb和CYb分别表示两个气缸的螺栓连接件刚度,CXl和CYl表示两个气缸缸体连接件的刚度,D表示气缸内径,kX和kY表示各自气缸对气缸压力的放大系数。
计算燃爆区间附近这两个振动位移变化趋势的相关系数:
其中,N表示数据点数,和表示两个气缸振动位移的平均值,和分别表示两个气缸压力的平均值,振动位移曲线之间的相关系数可替代缸内压力曲线之间的相关系数,当两个气缸均处于正常状态下时,相关系数接近于1,而当其中一个气缸的燃烧状态发生故障,该气缸的振动位移曲线会产生明显改变,与另一气缸振动位移曲线之间的相关系数下降,下降幅度越大,表明燃烧故障越严重。
图5中所示(a)表示两个气缸在正常状态下的气缸压力曲线对比,它们之间的相关系数为0.9937,当其中一个气缸发生喷油不足(以单缸供油量减少25%为例)故障时,如(b)所示,该气缸缸内的压力波形曲线幅度在燃爆区间内明显减弱,与正常曲线之间差异增大,二者相关系数的降低为0.9355。
图6所示(a)表示两个气缸在正常状态下的振动位移曲线对比,它们之间的相关系数rXY为0.9898,当其中一个气缸发生喷油不足故障时,如(b)所示,故障位移曲线与正常曲线之间差异增大,造成二者之间相关系数rXY降低为0.9143,验证了该方法在固定工况下的有效性。
图7所示为采用本发明提出的无量纲指标对运行状态下的柴油机从15%工况逐步上升至85%工况过程中发生的燃烧故障的诊断结果:在25%、50%和75%三个典型工况下发生失火故障(气缸内燃油为零)时,正常气缸振动位移曲线与故障曲线之间的相关系数则有大幅度的下降,其波动均值由正常状态下的0.89、0.97和0.97分别下降为0.51、0.66和0.72。除此之外,在30%以下的低工况运行状态下的无量纲诊断指标变化并不稳定,而在常用的50%以上的高工况运行状态下,该指标十分稳定,完全能够满足实际诊断需求。
综上所述,气缸压力曲线的变化趋势与根据振动加速度信号重构的位移曲线变化规律在燃爆区区间内十分接近,证明了利用振动位移信号对压力曲线变化进行识别的有效性。当柴油机发生燃烧故障时,气缸内的压力曲线变化可以通过缸盖表面的振动位移曲线间接反映。而同时利用两个气缸的振动位移信息进行燃烧状态的判别,可以将两个气缸互相作为判别基准,解决阈值设定的难题,便于工程应用。
Claims (5)
1.一种基于振动信号的柴油机燃烧故障变工况定量诊断方法,其特征在于,包括以下步骤:
步骤一,使用振动传感器同时采集两个气缸表面的振动加速度信号,其中一个气缸为待诊断气缸,另一个作为参照气缸;
步骤二,对采集得到的振动加速度信号进行低通滤波,去除与气缸内燃烧过程无关的噪声成分;
步骤三,对经过低通滤波后的振动加速度信号进行二次积分,将其转化为位移信号,间接获得缸盖螺栓连接处的振动位移变化曲线;
步骤四,在气缸的主要燃爆做功区间内,计算步骤三所得的两个振动曲线之间的相关系数,将该相关系数作为同时衡量两个气缸彼此健康程度的无量纲指标。
2.根据权利要求1所述的一种基于振动信号的柴油机燃烧故障变工况定量诊断方法,其特征在于,所述步骤一中,测点统一为缸盖上同位置螺栓连接附近的平整表面,保证采集到的振动加速度信息尽可能反映螺栓连接件的伸缩变化信息。
3.根据权利要求1所述的一种基于振动信号的柴油机燃烧故障变工况定量诊断方法,其特征在于,所述步骤二中,首先对气缸压力信号及其二次微分曲线分别进行时频分析,确定气缸内与燃烧过程相关的能量频带并设置振动加速度信号的低通滤波截止频率fp,去除与燃烧无关的噪声成分。
4.根据权利要求1所述的一种基于振动信号的柴油机燃烧故障变工况定量诊断方法,其特征在于,所述步骤三中,对振动加速度信号进行频域二次积分得到位移信号,间接获得振动位移信号的流程如下:
加速度信号在任一频率的傅里叶分量可表示为:
a(t)=Aejωt
式中,a(t)表示加速度在频率ω处的傅里叶分量,A为对应a(t)的系数。
在初速度分量为0时,对上式进行积分得到速度曲线:
式中,v(t)表示速度在频率ω处的傅里叶分量,B为对应v(t)的系数。
当初始速度和初始位移分量均为0时,对加速度信号的傅里叶分量进行两次积分得到位移分量,即:
式中,x(t)表示位移在频率ω处的傅里叶分量,C为对应x(t)的系数。
于是两次积分在频域内的关系为:
将不同频率的傅里叶分量按照上述频域内的关系式计算后,对其进行傅里叶逆变换就可以得到相应的积分位移信号。
5.根据权利要求1所述的一种基于振动信号的柴油机燃烧故障变工况定量诊断方法,其特征在于,所述步骤四中,计算两个气缸振动位移曲线的相关系数流程如下:
通过步骤三中振动积分方法得到任意两个不同气缸螺栓连接处的位移变化数据X和Y,它们与气缸压力之间的关系如下:
其中,PX和PY分别为两个气缸的缸内压力,CXb和CYb分别表示两个气缸的螺栓连接件刚度,CXl和CYl表示两个气缸缸体连接件的刚度,D表示气缸内径;
计算燃爆区间附近这两个振动位移变化趋势的相关系数:
将振动位移曲线之间的相关系数近似替代缸内压力曲线之间的相关系数,用于表征燃烧故障的无量纲指标,当两个气缸均处于正常状态下时,相关系数接近于1,而当其中一个气缸的燃烧状态发生故障,该气缸的振动位移曲线会产生明显改变,与另一气缸振动位移曲线之间的相关系数下降,下降幅度越大,表明燃烧故障越严重。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010470952.5A CN111693291B (zh) | 2020-05-28 | 2020-05-28 | 一种基于振动信号的柴油机燃烧故障变工况定量诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010470952.5A CN111693291B (zh) | 2020-05-28 | 2020-05-28 | 一种基于振动信号的柴油机燃烧故障变工况定量诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111693291A true CN111693291A (zh) | 2020-09-22 |
CN111693291B CN111693291B (zh) | 2022-03-01 |
Family
ID=72478705
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010470952.5A Active CN111693291B (zh) | 2020-05-28 | 2020-05-28 | 一种基于振动信号的柴油机燃烧故障变工况定量诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111693291B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112665713A (zh) * | 2020-12-31 | 2021-04-16 | 中国人民解放军92942部队 | 一种基于实时振动数据的往复机械设备故障检测方法 |
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 |
CN115288849A (zh) * | 2022-08-15 | 2022-11-04 | 武汉优泰电子技术有限公司 | 一种往复式发动机燃烧室磨损状态评价方法及装置 |
CN115341994A (zh) * | 2022-08-15 | 2022-11-15 | 武汉优泰电子技术有限公司 | 一种往复式发动机燃烧状态评价方法、装置及计算机设备 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120191316A1 (en) * | 2008-07-15 | 2012-07-26 | Ford Global Technologies, Llc | Reducing noise, vibration, and harshness in a variable displacement engine |
CN102998618A (zh) * | 2012-11-20 | 2013-03-27 | 中国电力科学研究院 | 一种基于振动特征的变压器有载分接开关故障诊断方法 |
JP2014136972A (ja) * | 2013-01-15 | 2014-07-28 | Toyota Motor Corp | 内燃機関の制御装置 |
CN105372591A (zh) * | 2015-09-28 | 2016-03-02 | 国家电网公司 | 一种基于暂态过程的水电机组健康状态量化评价方法 |
CN109708855A (zh) * | 2017-10-25 | 2019-05-03 | 平高集团有限公司 | 一种高压隔离开关分合状态监测方法和装置 |
CN109828033A (zh) * | 2019-01-08 | 2019-05-31 | 上海卫星工程研究所 | 基于振动响应相似度分析的损伤识别方法和系统 |
CN110567727A (zh) * | 2019-08-13 | 2019-12-13 | 北京化工大学 | 一种基于振动加速度信号的柴油机输出功率评估方法 |
CN110658008A (zh) * | 2019-09-23 | 2020-01-07 | 红相股份有限公司 | 一种三相分箱式gis机械故障的初步诊断方法 |
CN110954354A (zh) * | 2019-12-24 | 2020-04-03 | 山东微感光电子有限公司 | 设备故障诊断方法及装置 |
CN110991481A (zh) * | 2019-10-31 | 2020-04-10 | 河海大学 | 一种基于交叉小波变换的高压并联电抗器内部松动故障诊断方法 |
CN111157249A (zh) * | 2020-01-08 | 2020-05-15 | 江苏科技大学 | 一种柴油机故障监测预警方法及装置 |
-
2020
- 2020-05-28 CN CN202010470952.5A patent/CN111693291B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120191316A1 (en) * | 2008-07-15 | 2012-07-26 | Ford Global Technologies, Llc | Reducing noise, vibration, and harshness in a variable displacement engine |
CN102998618A (zh) * | 2012-11-20 | 2013-03-27 | 中国电力科学研究院 | 一种基于振动特征的变压器有载分接开关故障诊断方法 |
JP2014136972A (ja) * | 2013-01-15 | 2014-07-28 | Toyota Motor Corp | 内燃機関の制御装置 |
CN105372591A (zh) * | 2015-09-28 | 2016-03-02 | 国家电网公司 | 一种基于暂态过程的水电机组健康状态量化评价方法 |
CN109708855A (zh) * | 2017-10-25 | 2019-05-03 | 平高集团有限公司 | 一种高压隔离开关分合状态监测方法和装置 |
CN109828033A (zh) * | 2019-01-08 | 2019-05-31 | 上海卫星工程研究所 | 基于振动响应相似度分析的损伤识别方法和系统 |
CN110567727A (zh) * | 2019-08-13 | 2019-12-13 | 北京化工大学 | 一种基于振动加速度信号的柴油机输出功率评估方法 |
CN110658008A (zh) * | 2019-09-23 | 2020-01-07 | 红相股份有限公司 | 一种三相分箱式gis机械故障的初步诊断方法 |
CN110991481A (zh) * | 2019-10-31 | 2020-04-10 | 河海大学 | 一种基于交叉小波变换的高压并联电抗器内部松动故障诊断方法 |
CN110954354A (zh) * | 2019-12-24 | 2020-04-03 | 山东微感光电子有限公司 | 设备故障诊断方法及装置 |
CN111157249A (zh) * | 2020-01-08 | 2020-05-15 | 江苏科技大学 | 一种柴油机故障监测预警方法及装置 |
Non-Patent Citations (1)
Title |
---|
雷艳: "《现代内燃机设计技术》", 30 November 2011, 北京工业大学出版社 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112665713A (zh) * | 2020-12-31 | 2021-04-16 | 中国人民解放军92942部队 | 一种基于实时振动数据的往复机械设备故障检测方法 |
CN112665713B (zh) * | 2020-12-31 | 2022-05-20 | 中国人民解放军92942部队 | 一种基于实时振动数据的往复机械设备故障检测方法 |
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 |
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 |
CN115288849A (zh) * | 2022-08-15 | 2022-11-04 | 武汉优泰电子技术有限公司 | 一种往复式发动机燃烧室磨损状态评价方法及装置 |
CN115341994A (zh) * | 2022-08-15 | 2022-11-15 | 武汉优泰电子技术有限公司 | 一种往复式发动机燃烧状态评价方法、装置及计算机设备 |
CN115341994B (zh) * | 2022-08-15 | 2023-02-24 | 武汉优泰电子技术有限公司 | 一种往复式发动机燃烧状态评价方法、装置及计算机设备 |
CN115288849B (zh) * | 2022-08-15 | 2023-02-28 | 武汉优泰电子技术有限公司 | 一种往复式发动机燃烧室磨损状态评价方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111693291B (zh) | 2022-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111693291B (zh) | 一种基于振动信号的柴油机燃烧故障变工况定量诊断方法 | |
US8396649B2 (en) | Method and apparatus for reconstructing in-cylinder pressure and correcting for signal decay | |
EP2220472B1 (en) | Method and apparatus for determining a normal combustion characteristic for an internal combustion engine from an accelerometer signal | |
Brown et al. | Determination of engine cylinder pressures from crankshaft speed fluctuations | |
US6675639B1 (en) | Apparatus and method to detect cylinder faults of internal combustion engines via exhaust temperature monitoring | |
KR20100016145A (ko) | 내연 엔진에 가속도계를 장착하고 신호 대 잡음 비를 증가시키는 방법 | |
Varbanets et al. | Improvement of diagnosing methods of the diesel engine functioning under operating conditions | |
Payri et al. | Injection diagnosis through common-rail pressure measurement | |
Gritsenko et al. | The advancement of the methods of vibro-acoustic control of the ICE gas distribution mechanism | |
CN110108494B (zh) | 船用中速柴油机燃烧室部件常见故障在线监测诊断方法 | |
Golovan et al. | Improving the process of vehicle units diagnosis by applying harmonic analysis to the processing of discrete signals | |
Kamran et al. | Diagnostics of reciprocating machines using vibration analysis and ultrasound techniques | |
Abadi et al. | Single and multiple misfire detection in internal combustion engines using vold-kalman filter order-tracking | |
CN110530647B (zh) | 基于声发射技术和曲轴瞬时转速的内燃机健康监测方法 | |
Allam et al. | Diesel engine fault detection using vibration and acoustic emission signals | |
Mao et al. | Vibration-based fault diagnosis method for conrod small-end bearing knock in internal combustion engines | |
Watzenig et al. | Engine state monitoring and fault diagnosis of large marine diesel engines. | |
Wei et al. | Prediction and analysis of diesel engine combustion noise using transfer function method | |
Klinchaeam et al. | Condition monitoring of a small four-stroke petrol engine using vibration signals | |
Lowe | Characterisation of combustion related acoustic emission sources for diesel engine condition monitoring | |
Zhang et al. | Research on the diagnosis method of reciprocating compressor valve leakage fault with vibration signal | |
Muñoz et al. | Engine diagnosis method based on vibration and acoustic emission energy | |
Grzadziela et al. | A Non-invasive Method of Marine Engines Fuel System Diagnostics | |
CN112610344B (zh) | 一种基于ceemd和改进层次离散熵的共轨喷油器故障诊断方法 | |
Zurita et al. | Reconstruction of cylinder pressure through multivariate data analysis: For prediction of noise and exhaust emissions |
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 |