柴油机智能化故障诊断技术PDF电子书下载

目录 1

第一章　绪论 1

1.1　故障及故障诊断技术的范畴和分类 1

1.1.1　故障的范畴和分类 1

1.1.2　故障诊断技术的范畴和分类 3

1.2　设备故障诊断的目的和意义 6

1.3　柴油机常见故障及故障诊断研究的内容 7

1.3.1　柴油机故障分类及主要故障模式 7

1.3.2　柴油机故障诊断的研究内容 9

1.3.3　柴油机故障诊断方法评述 13

1.4　柴油机故障诊断技术的现状及发展趋势 17

1.4.1 国内外的研究现状 17

1.4.2　存在的问题 21

1.4.3　发展趋势 22

第二章　工程信号分析基础 23

2.1　信号的幅域分析 23

2.2　信号的时域分析 25

2.2.1 自相关分析 26

2.2.2　互相关分析 27

2.3　信号的频域分析 28

2.3.1　频域分析的概念 28

2.3.2　自功率谱密度分析 29

2.3.3　互功率谱密度分析 33

2.4　窗口傅里叶变换及其窗谱校正 35

2.4.1　窗函数 36

2.4.2　加窗傅氏变换及其频谱误差 38

2.4.3　窗谱校正方法 40

2.4.4　窗谱校正计算示例 42

2.4.5　样本分析长度对窗谱校正精度的影响 46

2.5　细化谱分析 47

2.5.1　细化幅值谱 49

2.5.2　细化相位谱 50

2.5.3　仿真计算 51

2.6　时间序列分析 51

2.6.1　时序模型结构及定阶 52

2.6.2　AR（n）模型时序建模的参数估计 53

2.6.3　时序模型的特性 56

2.7　小结 58

第三章　柴油机缸盖振动信号特性及典型故障的振动诊断机理 60

3.1　概述 60

3.2　柴油发动机的动力平衡性 61

3.3　柴油机缸盖振动信号的检测方法 61

3.3.1　测点的选择 61

3.3.2　采样频率选取 62

3.3.3　整循环同步采样方法 62

3.4　柴油机缸盖振动信号的特性分析 64

3.4.1　柴油机缸盖振动信息模型 64

3.4.2　缸盖振动信号的时域特性与抽区间采样分析法 65

3.4.3　缸盖振动信号的频域特性 66

3.4.4　缸盖振动信号的循环波动特性 67

3.5.1 气门机构的动力学分析 68

3.5　柴油机气门间隙异常的振动诊断机理 68

3.5.2　气门间隙异常的振动诊断机理 70

3.6　柴油机气门漏气故障的振动诊断机理 71

3.7　小结 72

第四章　柴油机供油系统及典型故障的燃油压力波动分析 73

4.1　引言 73

4.2　柴油机供油系统及燃油喷射过程简介 73

4.2.1　柴油机供油系统简介 73

4.2.2　燃油喷射过程 74

4.3　柴油机高压油路故障机理分析 75

4.3.1　三偶件磨损 75

4.3.2　喷油压力的改变 77

4.3.3　供油提前角变化 77

4.4　柴油机供油系统典型故障的压力检测及波动分析 77

4.4.1　正常燃油压力波形 78

4.4.2　柱塞磨损燃油压力波形 78

4.4.3　针阀磨损燃油压力波形 79

4.5　小结 79

5.1　引言 81

第五章　柴油机信号特征提取方法 81

5.2　基于短时AR分析的特征提取方法 82

5.3　基于小波多分辨率分析的特征提取方法研究 82

5.3.1 小波变换的基本原理及其工程理解 83

5.3.2　小波包变换及其改进算法 87

5.4　柴油机缸盖振动信号的整循环特征提取方法 89

5.4.1　基于短时AR分析的缸盖振动信号特征提取方法 89

5.4.2　基于小波分析的柴油机振动信号特征提取方法 90

5.5　燃油压力波形特征提取方法 92

5.5.1 高压油管压力波形的小波分解 93

5.5.2　特征参数的选择与提取 94

5.6　小结 95

第六章　基于模糊聚类分析的柴油机故障诊断技术 97

6.1　引言 97

6.2　模糊数学的基本知识 98

6.2.1　模糊集合的基本概念 98

6.2.2　模糊集合的运算 101

6.2.3　模糊关系与模糊关系矩阵 102

6.2.4　模糊等价关系矩阵 103

6.3　模糊聚类故障诊断原理 103

6.3.1　模糊C—均值聚类分析原理及步骤 103

6.3.2　模糊聚类的有效性分析 105

6.3.3　模糊C—均值聚类算法中参数m值的优选 106

6.4　基于模糊聚类分析的柴油机故障诊断 107

6.4.1　诊断原理 107

6.4.2　诊断实例 108

6.5　小结 110

第七章　基于粗糙集理论的柴油机人工神经网络故障诊断技术 111

7.1　引言 111

7.2　粗糙集理论的基本概念 111

7.2.1　知识的概念 111

7.2.2　不可分辨关系 113

7.2.3　知识的等价、特化以及泛化 115

7.2.4　近似与粗糙集 115

7.2.5　约简与核 117

7.3　粗糙集数据预处理及约简 118

7.3.1　数据的预处理 119

7.3.2　属性约简 123

7.3.3　值约简 127

7.4　基于粗糙集理论的柴油机故障神经网络诊断技术 131

7.4.1　神经网络故障识别 131

7.4.2　基于粗集理论的柴油机故障神经网络诊断系统 133

7.4.3　诊断实例1 134

7.4.4　诊断实例2 136

7.5　小结 141

第八章　柴油机故障诊断专家系统 143

8.1 引言 143

8.2　专家系统的诊断模型 145

8.2.1　基于规则的诊断模型 147

8.2.2　基于实例的诊断模型 147

8.2.3　基于模糊理论的诊断模型 147

8.2.4　基于人工神经网络的诊断模型 148

8.3　专家系统的基本组成及原理 149

8.2.5　诊断模型的发展趋势 149

8.3.1　知识源 150

8.3.2　推理机 157

8.3.3　知识获取系统 164

8.3.4　解释系统 169

8.3.5　管理与控制系统 171

8.3.6　用户接口 171

8.4.1　概述 172

8.4　基于粗糙集理论的分层发掘柴油机故障诊断专家系统 172

8.4.2　分层发掘粗糙集诊断网络模型及算法 173

8.4.3　诊断应用 174

8.4.4　基于属性约简的产生式规则提取 177

8.5　柴油机故障诊断专家系统的实现 180

8.5.1　柴油发电机组各项技术参数 180

8.5.2　硬件系统 180

8.5.3　软件系统 182

8.6　小结 182

参考文献 185