基于小波分析和神经网络柴油机气阀间隙识别.pdf

研究与分析 · 机械研究与应用 · 基于小波分析与神经网络的柴油机气 阀间隙识别 叶 高 ，腾宪斌 (1．中海油能源发展监督监理技术公司，天津 300452；2．天津海运职业学院，天津 300452) 摘 要：通过对柴油机气阀间隙的调整，实时监测缸盖的振动信号，运用小波分析法对振动信号进行分析，提取柴油 机气阀间隙异常的多个特征参数，并采用BP神经网络对气阀间隙进行识别，以此提高诊断故障的针对性和 准确性。 关键词：柴油机；气阀间隙；小波分析；神经网络 中图分类号：TK42 文献标识码：A 文章编号：1006—4414(2010)02—0009—03 Dieselenginevalveclearancesidentifyingbasedonwaveletanalysisandneuralnetwork Ye Gao ．TengXian—bin (1．CNOOCenergytechnologyserviceslimitedsupervisiontechnoloyg Co．，Tianjin 300452，China； 2．Tianjinmaritimevocatoinalinstitute，Tianjin 300452，China) Abstract：Throughadjustingvalveclearancesofdieselengineandthecylindercovervibrationsignalsarc：measuredatthe sametime．Thesesignalsareanalyzedbyusingwavelanalysismethod．Topickupthoseabnormalcharacterparametcrsand toidentifythevalvecleraancebyusingBPneuralnetwork，thatcanimprovetheaccuracynadpertinencyofthefaultdiagno一 8is． Keywords：dieselengine，valvecleraances，waveletnaalysis，neuralnetwork 1 引 言 波技术具有明显的优点 。因此，在对信号进行分 柴油机机体振动具有振源多、形态复杂、振动类 析前，首先进行去均值和小波降噪等初步处理。如图 型多样等特点，而缸体的振动信号也富含各激励源的 1所示，气阀间隙分别为0．2mm、0．4mm(正常)、0． 状态特征。因而，建立基于缸体振动信号监测与故障 7mm、0．9mm，并经初步处理后的缸盖振动信号及其 诊断技术具有一定的现实意义 。笔者设置了几种 功率谱。各时域信号的统计特征如表 1所示。 不同的气阀间隙，并实时监测柴油机缸盖振动信号， 运用小波降噪、小波包分解方法对柴油机缸盖振动信 号进行分析。．提取故障特征，构建数据矩阵，形成用 于柴油机气阀问隙识别的BP网络系统。 2 基于小波分析的特征参数提取 由于柴油机缸盖振动的激励源较多，所测得的振 4OO 动信息包含各种成分和干扰，属于非平稳振动信号。 ll_．} ．1 ll—lI’Il一 机体外表面测得的微弱信号部分湮没在强大的已成 - 40O 为背景噪声的整机振动之中。只有有效地滤除干扰 及噪声信号，获得有用的信号，才能得到可靠的分析 结论。传统的建立在傅里叶变换基础上的滤波方法 在提高信噪比和空问分辨率两项指标上存在矛