柴油机智能故障诊断技术研究吴希凡（建筑设计及理论论文资料）.docVIP

柴油机智能故障诊断技术研究吴希凡（建筑设计及理论论文资料） 文档信息 ： 文档作为关于“汽车、机械或制造”中“汽车试验与故障诊断”的参考范文，为解决如何写好实用应用文、正确编写文案格式、内容素材摘取等相关工作提供支持。正文4713字，doc格式，可编辑。质优实惠，欢迎下载！ 目录 TOC \o 1-9 \h \z \u 目录 1 正文 2 文1：柴油机智能故障诊断技术研究吴希凡 2 1、基于信息计算处理的诊断技术 2 1.1、信号处理分析诊断 2 1.2、灰色系统理论诊断法 2 1.3、模糊聚类分析技术 3 1.4、人工神经网络诊断技术 3 2、基于混合系统的智能诊断方法 4 2.1、系统构架 4 2.2、运行原理 4 2.3、柴油机故障诊断实例 5 结束语 5 文2：基于电力电子电路智能故障诊断技术研究 5 0 前言 5 1 基于层次聚类神经网络故障诊断方法 6 2 红外热像故障诊断技术分析 7 3 离散频谱分析 8 4 结论 8 参考文摘引言： 9 原创性声明（模板） 9 正文 柴油机智能故障诊断技术研究吴希凡（建筑设计及理论论文资料） 文1：柴油机智能故障诊断技术研究吴希凡 1、基于信息计算处理的诊断技术 1.1、信号处理分析诊断 针对不同型号柴油机，依据其故障信号非线性、非平稳特性的特点，产生诸如性能参数法，可依据柴油机的性能参数（气压、油温、功率等）变化来辨别柴油机各部件是否正常运行，振动分析法，对柴油机各部件运行状态进行判断，主要依据是缸盖表面的振动信号变化情况，此法现已成熟，具有实时监控、便于监测的优点；噪声分析法，故障判断主要依据柴油机运行时发出的各种声响；介质分析法，通过对柴油机中润滑油品质的分析来判断故障位置，具体可用光谱法、铁谱法等进行分析。这里的核心技术是对信号的处理过程，虽然信号的采集和分析具有便于操作的优势，但从信号中剥离有用信息仍存在相当的难度，这会对诊断结果的准确性产生一定的影响。 1.2、灰色系统理论诊断法 该理论属于控制论与其他学科交织的理论观点，其实也是多学科互溶的综合性技术。它认为已知和未知信息同时存在，并且在该系统中用白色表示已知信息，黑色表示未知信息，处于两者之间模棱两可不能准确判断的信息用灰色表示。这样构造的一个完整系统为灰色系统。利用灰色理论来诊断柴油机故障，就是把柴油机系统视为完整的灰色系统，通过已知信息来找出某种特征，这种特征可以反映出系统内部联系因素，量化后再处理、分析和建模，由此故障规律浮出水面，可以大胆预测出故障的具体程度和危害。其推理可视为灰色系统的去黑白化过程。灰色系统的优点主要体现在通过小规模计算即具有精准预测能力。 1.3、模糊聚类分析技术 此法利用的是数学方法，通过模糊数学来计算，找出被诊断对象的故障特征，并通过模糊关系进行故障归类。柴油机的故障出现所伴随的故障原因通常是难以准确定位的，其故障发生源是单一故障还是组合故障也无法准确描述。所以当故障出现时，利用“二值逻辑”方法进行表示会对诊断结果造成很大的偏差，因而衍生的故障诊断模糊推断就变得更切实可行了。现在故障诊断的模糊推理主要是故障征兆的隶属度和诊断权矩阵来求解各类原因的隶属度。故障的产生原因与表相征兆间的模糊关系可用下式表达：Y=XOR式中，Y表示原因模糊集，作为诊断输出；X表示征兆糊集，作为诊断输入；R表示诊断权矩阵，作为模糊蕴含关系；O代表模糊诊断算子或算法。通过计算，可以精准揭示故障原因和故障征兆都存在一定的模糊性。 1.4、人工神经网络诊断技术 人工神经网络可被认作一种信息处理系统，它模拟人类大脑结构功能，近似于生物神经网络以实现信息传播与储存。人工神经网络能较好地处理不确定的矛盾甚至错误信息，主要得益于其类似人脑的高速并行信息处理能力和自学习、记忆联想能力。人工神经网络与传统技术比较可以更快获取新知识，实现在线、离线学习。并且其具有灵活的网络训练模式，很强的容错性及推广能力等优点。 在神经网络中，故障征兆为输入神经元，故障原因为输出神经元。在诊断实现的这一过程中，此系统网络的应训练一定要选择的故障样本，用来确定参数和网络结构。训练完成以后，再通过一组给定的实际故障征兆来使故障模式进行分类，以达到征兆集与故障集之间的非线性映射关系. 2、基于混合系统的智能诊断方法 通过大量数据及实践表明，当神经网络与专家系统混合诊断时，优势互补，能避免神经网络无推理性和专家系统知识瓶颈性等缺陷，可作为一种较完美的诊断模式。因此基于混合系统的智能诊断方法可以说是现今最完备的。其采取了多种智能诊断技术的优势配合叠加，解决了单一智能方法存在弊端的问题，以达到更加完美的诊断模式。相结合，以数值形式归