柴油发动机故障诊断系统拓展与自学习功能研究

柴油发动机故障诊断系统拓展与自学习功能研究

论文摘要

本课题是在前人的基础上,结合了东北大学设备诊断工程中心与沈阳军区65182部队以及辽河石油勘探局总机械厂合作的两个实际项目,对柴油机故障诊断的智能化诊断系统的进一步研究。本文中主要介绍了康明斯6BT5.9型柴油发动机在线监测子系统的拓展、整体故障诊断系统程序结构设计改进、以及自学习功能的研究。油液在线监测是近年来才提出和研究的新型油液监测方法。目前我军普遍采用的是固定换油期的方法:即根据里程、时间或工作环境确定换油期。偶尔也采用离线分析的方法对油液进行检测。由于不能按质换油,固定换油期方法会造成润滑油的巨大浪费,而离线分析具有仪器体积庞大,仪器成本高,不适合现场测试等缺点。因此应沈阳某军区的要求,本课题对军车柴油机润滑油的在线实时品质监测,快速得到润滑油部分状态参数来提示及时采取维修行动,以降低军车柴油机系统的进一步损伤。在查阅国内外大量文献后,综合各种评价油液品质的特点以及现场实际情况后,选定润滑油粘度、润滑油压力、润滑油温度、以及平均转速作为敏感监测值。利用对敏感参数进行特征提取,数据处理,状态识别等现代科学技术手段来监测油液质量的好坏。通过某些敏感因子的在线监测值的变化,或者这些敏感因子变化趋势图的变化趋势监测柴油机油品的变化。这样就克服了过去固定换油期方法和离线分析方法所造成的巨大浪费的困难。柴油机的摩擦学系统故障在柴油机总故障中占有很高的比例,其最终表现形式是摩擦副的磨损失效,对于柴油机磨损失效故障的相应子系统的监控与防护,是从根本上避免和减少柴油机磨损故障的最为有效的办法,也是实现柴油机预防性维修保养的重要内容。使用润滑油的主要目的就是降低摩擦、减缓磨损,以保证动发动机长期有效的工作。因此磨损与机油的主要指标有着非常密切的内在联系。因此,本文主要考虑润滑系统产生的总体磨损系数对柴油机磨损失效的影响进行分析探讨,并针对柴油机磨损系数进行预测,以保证无论是直接还是间接影响柴油机磨损的不利因素能及时消除,使柴油机摩擦学系统故障的预防观念在实际工作中得以落实和推广。将平均转速、机油压力、机油温度的影响作为自变量,磨损系数为非线性函数,采用人工神经网络的方法建立工作磨损系数与参量之间的关系。给出柴油机磨损估算的新方法,这种方法所提供的工作磨损系数是切合实际的,利用此磨损系数计算的储备里程数的监测将为柴油机良好运行提供条件。柴油机故障诊断系统程序结构设计是本项目现阶段主要需要改进的问题。结构层次清晰的诊断程序,不但会增加系统的可读性、加快操作者的熟悉速度、而且提高程序的实用性。因此,为了达到监测诊断技术的预期效果,必须建立一套规范的运作程序。通过对程序结构的改进,实现系统子结构拓展的普遍规律,不但使系统的人机交互更方便、而且提高故障诊断效率。此外,本文对康明斯6BT5.9型柴油发动机故障诊断系统自学习功能进行了深入研究。自学习功能类似于专家系统,是专家系统的一种功能扩展。它主要基于模糊理论、神经网络、专家系统、信息融合、模式识别等理论基础。通过对典型样本的学习,完成知识的获取,并将知识分布存储在神经网络的拓扑结构连接权值中,用来对未知样本进行识别。本文首次将模糊数学方法与神经网络方法结合起来,用于本项目的故障诊断系统。研究了柴油机模糊故障诊断问题,将语义征兆与数值征兆相结合,实现了两类征兆的并行诊断。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  • 1.1 柴油机故障诊断国内外研究现状与发展动态
  • 1.2 柴油机故障诊断目前存在的问题分析
  • 1.3 柴油机故障诊断现阶段使用的方法
  • 1.4 本论文的选题及研究意义
  • 1.4.1 论文选题
  • 1.4.2 研究意义
  • 第二章 柴油机在线监测子系统分析
  • 2.1 柴油机油液在线监测子系统分析
  • 2.1.1 油液在线监测现状
  • 2.1.2 柴油机润滑系统简介
  • 2.1.3 柴油机润滑系统作用及工作方式
  • 2.1.4 柴油机润滑系机理研究
  • 2.2 柴油机磨损预测子系统分析
  • 2.2.1 柴油机磨损状态预测现状
  • 2.2.2 柴油机的摩擦学系统故障
  • 2.2.3 柴油机磨损状况机理研究
  • 2.3 本章小结
  • 第三章 柴油机故障诊断自学习功能研究
  • 3.1 故障诊断中先进技术的运用
  • 3.2 诊断程序的自学习功能研究
  • 3.2.1 模糊神经网络的应用
  • 3.2.2 模糊神经网络的选择
  • 3.3 柴油机故障诊断自学习实例分析
  • 3.3.1 柴油机故障诊断系统的征兆分析
  • 3.3.2 瞬时转速自学习实例
  • 3.3.3 语义型征兆自学习实例
  • 3.4 本章小结
  • 第四章 柴油机故障诊断系统程序结构设计研究
  • 4.1 程序总体设计思想
  • 4.1.1 系统的构造工具
  • 4.1.2 诊断程序的模块建立
  • 4.2 智能系统的结构
  • 4.2.1 系统主体结构设计
  • 4.2.2 程序运行数据处理结构设计
  • 4.2.3 诊断系统流程
  • 4.3 多线程编程
  • 4.4 本章小结
  • 第五章 柴油机故障诊断子系统程序设计
  • 5.1 总体设计思想
  • 5.2 油液在线监测子系统程序设计
  • 5.2.1 系统征兆获取模块设计
  • 5.2.2 油样在线监测自学习功能程序实现
  • 5.3 磨损预测子系统程序设计
  • 5.3.1 磨损预测模块设计
  • 5.3.2 界面设计
  • 5.4 本章小结
  • 第六章 实验方案
  • 6.1 瞬时转速信号的采集
  • 6.2 油样在线监测、磨损预测子系统实验设计
  • 6.2.1 实验方案设计
  • 6.2.2 测点的选择
  • 6.2.3 记录数据观察规律
  • 6.2.4 算例分析与仿真
  • 6.2.5 根据所测数据拟合曲线
  • 第七章 结论与展望
  • 7.1 本文主要工作总结
  • 7.2 本文结论
  • 7.3 展望
  • 参考文献
  • 致谢
  • 相关论文文献

    • [1].提升机天轮状态监测与故障诊断系统[J]. 煤矿机械 2020(01)
    • [2].汽车充电桩运行状态及故障诊断系统的设计[J]. 电子元器件与信息技术 2020(01)
    • [3].设备在线监测与故障诊断系统开发[J]. 冶金设备 2020(02)
    • [4].机电设备自动化故障诊断系统设计[J]. 世界有色金属 2020(03)
    • [5].铁钻工故障诊断系统的设计与应用[J]. 液压气动与密封 2020(07)
    • [6].车辆控制器故障诊断系统的设计与实现[J]. 软件工程 2020(07)
    • [7].基于故障树的机车故障诊断系统设计[J]. 计算机应用与软件 2020(06)
    • [8].轨道列车故障诊断系统设计与开发[J]. 科技视界 2020(17)
    • [9].输电线路智能巡线故障诊断系统探讨[J]. 电工技术 2020(09)
    • [10].基于CAN总线的拖拉机无级变速箱故障诊断系统研究[J]. 农机化研究 2018(02)
    • [11].基于人机协同技术的农业收割机故障诊断系统设计[J]. 农机化研究 2018(03)
    • [12].电路板故障诊断系统原理及应用分析[J]. 电子世界 2017(07)
    • [13].机械设备远程监测与故障诊断系统的设计[J]. 中国设备工程 2017(10)
    • [14].TADS轨边声学故障诊断系统[J]. 哈尔滨铁道科技 2017(02)
    • [15].水电机组状态监测与故障诊断系统[J]. 设备管理与维修 2017(10)
    • [16].TADS轨边声学故障诊断系统[J]. 哈尔滨铁道科技 2017(03)
    • [17].TADS轨边声学故障诊断系统[J]. 哈尔滨铁道科技 2015(04)
    • [18].空间运输航天器故障诊断系统架构研究[J]. 计算机测量与控制 2016(05)
    • [19].TADS轨边声学故障诊断系统[J]. 哈尔滨铁道科技 2016(01)
    • [20].TADS轨边声学故障诊断系统[J]. 哈尔滨铁道科技 2016(02)
    • [21].TADS轨边声学故障诊断系统[J]. 哈尔滨铁道科技 2016(03)
    • [22].TADS轨边声学故障诊断系统[J]. 哈尔滨铁道科技 2014(03)
    • [23].TADS轨边声学故障诊断系统[J]. 哈尔滨铁道科技 2014(04)
    • [24].TADS轨边声学故障诊断系统[J]. 哈尔滨铁道科技 2015(01)
    • [25].TADS轨边声学故障诊断系统[J]. 哈尔滨铁道科技 2014(02)
    • [26].故障诊断系统设计[J]. 软件 2015(05)
    • [27].TADS轨边声学故障诊断系统[J]. 哈尔滨铁道科技 2015(02)
    • [28].TADS轨边声学故障诊断系统[J]. 哈尔滨铁道科技 2015(03)
    • [29].电力设备的远程监控与故障诊断系统研究[J]. 电子技术与软件工程 2015(18)
    • [30].数控机床网络化机械故障诊断系统的分析[J]. 数码世界 2017(08)

    标签:;  ;  ;  ;  ;  ;  

    柴油发动机故障诊断系统拓展与自学习功能研究
    下载Doc文档

    猜你喜欢