基于振动信号分析的发动机失火故障诊断方法研究
摘要 | 第3-4页 |
Abstract | 第4页 |
1 绪论 | 第7-10页 |
1.1 发动机故障诊断研究背景与意义 | 第7页 |
1.2 发动机故障诊断的研究现状 | 第7-9页 |
1.2.1 国外研究现状 | 第7-8页 |
1.2.2 国内研究现状 | 第8-9页 |
1.3 论文主要研究内容 | 第9-10页 |
2 发动机失火故障振动机理与振动分析方法 | 第10-18页 |
2.1 发动机单缸失火的分类 | 第10页 |
2.1.1 发动机失火的定义 | 第10页 |
2.1.2 发动机失火的原因 | 第10页 |
2.2 汽油机振动分析 | 第10-12页 |
2.2.1 发动机的主要振动激励源 | 第11页 |
2.2.2 振动传播路径 | 第11-12页 |
2.3 振动分析方法 | 第12-16页 |
2.3.1 时域分析方法 | 第12-13页 |
2.3.2 频域分析方法 | 第13页 |
2.3.3 小波分析方法 | 第13-16页 |
2.4 本章小结 | 第16-18页 |
3 电控汽油机失火故障诊断试验 | 第18-22页 |
3.1 试验方案 | 第18页 |
3.1.1 试验目的 | 第18页 |
3.1.2 试验原理 | 第18页 |
3.1.3 试验步骤 | 第18页 |
3.2 测试对象与测点选取 | 第18-19页 |
3.3 试验设备 | 第19-20页 |
3.4 采样频率的确定 | 第20页 |
3.5 试验数据的保存原则 | 第20-21页 |
3.6 本章小结 | 第21-22页 |
4 电控汽油机故障试验数据分析 | 第22-46页 |
4.1 汽油机正常状态下振动信号分析 | 第22-28页 |
4.1.1 正常状态下振动信号的时域分析 | 第22-23页 |
4.1.2 正常状态下振动信号的频域分析 | 第23-24页 |
4.1.3 正常状态下振动信号的小波包分解分析 | 第24-28页 |
4.2 汽油机单缸失火状态下振动信号分析 | 第28-42页 |
4.2.1 第一缸失火振动信号分析 | 第28-31页 |
4.2.2 第二缸失火振动信号分析 | 第31-35页 |
4.2.3 第三缸失火振动信号分析 | 第35-38页 |
4.2.4 第四缸失火振动信号分析 | 第38-42页 |
4.3 五种状态下汽油机振动信号对比分析 | 第42-44页 |
4.3.1 时域参数对比分析 | 第42-43页 |
4.3.2 小波包分解节点能量对比分析 | 第43-44页 |
4.4 本章小节 | 第44-46页 |
5 基于BP神经网络的汽油机故障诊断方法 | 第46-56页 |
5.1 汽油机故障诊断神经网络模型的建立 | 第46-48页 |
5.2 提取汽油机故障特征 | 第48-49页 |
5.3 故障诊断神经网络的建立 | 第49-55页 |
5.3.1 故障诊断神经网络的设计 | 第49页 |
5.3.2 故障诊断神经网络的训练 | 第49-52页 |
5.3.3 神经网络的测试诊断 | 第52-55页 |
5.4 本章小结 | 第55-56页 |
结论 | 第56-57页 |
参考文献 | 第57-61页 |
附录 | 第61-65页 |
攻读学位期间发表的学术论文 | 第65-66页 |
致谢 | 第66-67页 |