基于复Morlet变换和改进AlexNet神经网络的柴油机气门间隙异常故障诊断方法
2021-08-16赵志坚茆志伟张进杰江志农
北京化工大学学报(自然科学版) 2021年4期
赵志坚 茆志伟 张进杰 江志农
(北京化工大学 1.高端机械装备健康监控与自愈化北京市重点实验室;2.发动机健康监控及网络化教育部重点实验室, 北京 100029)
引 言
柴油发动机具有热效率高、经济性能好、扭矩大等优点[1],在交通运输业和国防领域应用广泛,因此对其进行故障监测,以保证其经济可靠地运行具有十分重要的意义。在实际使用过程中,由于柴油机的配气机构磨损,经常会出现气门间隙异常故障,导致产生柴油机进气不足、燃烧不充分、动力不足等问题[2]。
目前通常使用缸盖振动信号来对柴油机气门间隙状况进行监测。由于柴油机机械部件众多、背景噪声强烈、工况复杂多变,因此其缸盖振动信号是一种典型的非平稳信号,人为选取对噪声和工况不敏感的故障特征十分困难。
针对非平稳信号的分析问题,刘昱等[3]提出通过局部均值方法分解振动信号,但该方法会出现端点效应等问题,从而影响诊断精度;张超等[4]提出一种基于经验模态分解的分析方法,然而由于误差累积会出现模态混叠问题,使得识别准确度下降;张恒琪等[5]通过Wigner- Ville变换对非平稳信号进行分析,发现时频面存在很严重的交叉项干扰问题。而复Morlet变换是一种线性变换,不存在端点效应、模态混叠、交叉项干扰严重等问题,且该方法能够提供一个随频率改变的时频窗[6],是一种自适应时频分析方法。此外复Morlet小波与冲击信号也较为相似,适合分析带冲击的非平稳信号。……
登录APP查看全文