论文部分内容阅读
随着当今社会工业水平的迅猛发展，作为常用动力机械设备的柴油机，被广泛应用于工程机械、固定发电及特种船舶等领域。一方面它能大大提高产品质量和劳动生产率；另一方面如果某一部分出现故障，会造成经济损失，甚至危及人身安全。开展柴油机故障诊断技术研究，既能帮助我们发现故障，防止事故发生，同时能够带来潜在的巨大的经济效益和社会效益。因而研究柴油机的故障诊断技术就显得尤为迫切。柴油机故障诊断工作包括诊断信息获取、故障特征信息提取和状态识别三个部分。其中，故障特征提取和状态识别是诊断工作的关键。本文针对KMl78F小型风冷柴油机故障声信号的非平稳特征将一种新方法——EMD应用到小型柴油机故障诊断研究中，利用EMD和AR相结合的方法进行该样机故障信号特征提取，同样将马氏距离作为分类器对KM178F小型柴油机的工作状态和故障类型进行了分类。实验数据的分析结果显示了EMD、AR和马氏距离相结合用于KM178F小型风冷柴油机故障诊断当中的识别率为85.56％。本文主要工作包括：(1)利用声信号采集系统采集了KM178F小型柴油机在额定工况、80％负荷工况和75％负荷工况下正常工作状态及故障状态下的声信号数据。其中故障状态包括：排气间隙异常、进气压力低、低压油路供油不畅等6种故障。(2)根据本征模态能量熵的定义，当系统发生故障时，其声信号的能量会随频率的分布发生改变，某种或几种频率成分能量的改变即代表了一种故障。本课题采用EMD和AR相结合的方法对实验采集的单缸风冷柴油机声信号进行特征提取；通过EMD分解后选用几种频率成分能量明显的IMF进行AR分析。(3)采用马氏距离判别方法对采用EMD和AR相结合的方法得到的特征提取的结果进行归类，实现单缸风冷柴油机故障声信号的智能识别。