简介:大学硕士与本科内燃机故障诊断毕业论文开题报告范文和相关优秀学术职称论文参考文献资料下载，关于免费教你怎么写内燃机故障诊断方面论文范文。
（济南市长清区公路管理局,山东 济南 250300）
摘 要：内燃机是一种消耗热能的机器,主要应用于工农业等方面的生产.内燃机设备的故障诊断极其复杂,有一定的难度.文章主要研究内燃机的智能故障诊断系统及其应用.
关键词：内燃机；故障机理；智能系统
中图分类号：U269 文献标识码：A 文章编号：1009-2374（2012）26-0022-03
随着科技的发展,内燃机应用于工农业的规模越来越大,为了满足生产的需要,机械设备逐渐向大型、高速、强载、自动与智能化、连续运行及高度复杂化发展,同时系统故障发生率也相应增加.一旦发生故障,就有可能使整台设备甚至整个生产过程受到影响和破坏,造成经济损失,更严重的会发生灾难性人员伤亡事故.
1. 内燃机故障机理内容
内燃机故障诊断首先是对故障机理进行研究,其诊断主要内容包括以下几个方面：
1.1 信号采集
信号采集的主要方法有振动诊断、温度测试、压力测试、油液分析技术、无损检测技术、电涡流传感器测试.
1.2 信号分析处理及特征提取
常用的方法有函数分析法、调和分析法、参数模型法.
1.3 状态识别
由于故障的类型多且复杂,内燃机设备的故障现象与故障信号有多种对应关系,原因结果可单一或者同时多个,通常建立各种故障标准模式,在这些标准模式的指导下,对故障信号状态进行识别.
1.4 诊断决策
诊断决策是指故障诊断系统对内燃机设备的运行中出现的故障,进行必要预测及设定对策方案进行阻止.也就是对设备可能出现的故障进行估计并预先设定决策,及时清理故障.
2. 技术及原理
内燃机是利用热能进行转换的机器,其结构和功能复杂,故障诊断方法也多样化.
2.1 内燃机故障诊断常用的方法
2.1.1 内燃机转速波动法.若内燃机某缸不正常,如断油、拉缸以及活塞环磨损等问题,出现故障的缸的做功压力下降,这一缸做功时曲轴与飞轮的转速变化趋势也会改变,从而改变曲轴与飞轮的转速波动规律.由此可见,可以通过分析曲轴转速的波动规律来诊断各缸的故障.
2.1.2 振动信号故障特征法.信号特征法根据振动中所包含的振源信息和状态等信息,以振动监测及故障诊断为出发点,依据机械动力特性分析及谱分析来探究内燃机运行过程中的故障原因与状态效应.
2.1.3 灰色系统诊断法.未知的信息称为黑色,已知的信息称为白色,既有未知和已知的称为灰色.灰色系统的特征恰恰是信息不完全,而对灰色系统白化,从变化规律中提取有用的信息分析内燃机故障.
2.1.4 小波分析诊断法.对分析非平稳信号和平稳信号有很大的功效,可作为故障诊断中信号处理的较理想的工具,组构故障诊断所需的特征因子,或直接提取有效的诊断信息.
2.1.5 神经网络诊断法.神经网络的自主学习组织、联想记忆和容错等功能对于处理内燃机故障系统的不完全、不确定及错误的信息提供新的诊断思路.以神经网络的故障诊断技术为指导,具有对故障模式的联想记忆、模式匹配和相似归纳能力.
2.1.6 模糊诊断法.主要是模糊综合判断,利用模糊关系矩阵、模糊变换、征兆来判断故障.
2.2 Back Propagation算法,主要是BP算法
BP算法的本质是改进的δ算法,分为两个阶段：正向传播和反向传播过程.
2.3 自行提取特征
系统根据故障信号特征进行网络式的自行提取.
2.4 专家系统
故障诊断系统依据人工智能化做出判断,像拥有博学知识的专家一样,遇到故障信号时进行自我快速的诊断.
3. 内燃机智能故障诊断系统
由于内燃机等大型关键设备的运行状况十分复杂,为了保证内燃机的正常工作,设备故障的诊断工作要求更高.故障诊断要求一个智能化的系统,该系统能自行分析设备故障,并提取故障特征,从而
判断预测,结合人工神经网络理论和粗糙集理论.
3.1 智能型诊断的特点
传统的诊断系统的缺陷在于知识获取的途径难、知识的维护难、知识面狭窄、系统推断能力弱、应用性差.与传统的故障诊断系统比较,智能故障诊断系统有着其独特的特点：
3.1.1 知识具有分布式存储特性和并行处理.相较于传统诊断系统,智能诊断系统分布式地存储信息,并行处理信息.消除了信息的无穷递归、组合爆炸以及匹配冲突等问题,加快信息处理速度,提高并行识别并发故障处理效率.
3.1.2 自主学习训练和适应性强.神经网络结构式的连接是多样的,具有可塑性的强度.随着外界的变化,能自主学习训练组织来适应并处理不同信息,接受信息传递变化能力强,自我完善
系统.
3.1.3 容错与修改恢复性.因为信息的存储是呈分布式的,当输入的信息不完整或出现局部错误时,系统会能够自动辨别这些信息是否完整或者对错,并且能够自动恢复原来正确的信息,不至于影响信息的正常输出.
3.1.4 提取特征.知识的获取体现在训练样本的获取和选择,遵循两大原则：相容性和代表性.智能系统将知识存储在神经网络的连接权值和域值中,可以有效解决系统知识容量和运行速度间的矛盾.
3.2 神经网络理论与粗糙集理论,分层发掘粗糙集诊断网络
以神经网络理论和粗糙集理论为理论基础,形成神经网络信息处理系统.分层发掘粗糙集诊断网络,以粗糙集理论为基础,有利于降低系统诊断问题的复杂性.
内燃机车电器故障处理:汽车电控发动机原理与故障诊断第1集_朱军
3.3 传统转向智能型
故障诊断中最常用的是振动诊断法,体现在内燃机缸盖上的含有丰富信息的振动信号,是内燃机故障诊断的主要信息来源,另外气缸内部部件的故障也占有一定的比例.为了快速准确地判断内燃机故障,常利用机身振动特性的变化来判断间隙状态.应用一批具有现代数学精确性的方法,比如有信号的小波包分解、神经网络识别、粗糙集方法处理分形理论、神经网络、小波分析、证据理论、灰色系统理论等方法,提取特征方法和模式识别方法多样化,引入信息融合方法,有利于内燃机故障诊断系统向智能化转变.同时内燃机的智能故障诊断系统也逐步形成并渐渐地投入使用.
4. 智能故障诊断系统的应用
智能故障诊断系统具有巨大的潜能,充分体现在其强大的应用性.未来应该结合遗传算法、小波分析、粗糙集理论等来综合研究内燃机的故障诊断,特别是特征参数的选择.
对于传感器的研制与检测手段,也要不断探究新的方法.不同的诊断方法各有优点,能感应不同的故障.运用多种方法诊断内燃机故障,并用多个特征参数来保证诊断的可靠性,可以提高智能故障诊断系统的应用性.
对于特别重要的内燃机,应注重开展在线状态监测和故障诊断,注意维护保养内燃机故障诊断系统,提高诊断的准确可靠性.
注重通用模型的研究工作,根据通用的诊断模型建立不同的内燃机组诊断系统,降低人力与物力的成本消耗.
提高振动分析系统的准确性,克服内燃机故障诊断系统与特征参数之间的矛盾,建立更高更有效的数学模型,加强信号的分析处理.
注重研究非线性和非定常信号的处理,如小波分析法在内燃机信号处理中的应用,并深入研究其在内燃机故障诊断系统的应用.
5. 结语
内燃机故障诊断系统由传统转向智能化,需要一定的技术条件.随着科学技术的进步,内燃机的智能故障诊断系统将会得到更加完善的发展,也必将得到更广泛的应用.
参考文献
[1] 吴震宇．内燃机故障诊断若干理论与相关技术的研究[DB/OL]．2012-04-01．
[2] 徐立华．柴油机故障诊断技术的现状及发展趋势[J]．内燃机,2011,（5）：154．
[3] 张德祥,吴小培,卢一相．EMD在汽车变速齿轮箱振动故障分析的应用[J]．安徽大学学报,2009,（2）：58-61．
[4] 刘燕,李世其,段学燕．模糊信息系统知识发现方法在油液监测故障诊断中的应用[J]．内燃机学报,2008,（26）：374-378．
作者简介：褚光超（1973-）,男,山东济南人,济南市长清区公路管理局工程师,硕士,研究方向：机械工程.
（责任编辑：周加转）
总结：本论文可用于内燃机故障诊断论文范文参考下载，内燃机故障诊断相关论文写作参考研究。
内燃机车电器故障处理引用文献:
[1] 热门汽车发动机故障诊断与维修论文题目 汽车发动机故障诊断与维修论文题目哪个好
[2] 汽车底盘故障诊断与维修类论文选题 汽车底盘故障诊断与维修专业论文题目怎样拟
[3] 汽车底盘故障诊断与维修相关论文参考文献 汽车底盘故障诊断与维修核心期刊参考文献哪里找
