基于振動和潤滑油分析的柴油機故障診斷.pdf

1、柴油機是燃燒柴油獲取能量釋放的發(fā)動機，其優(yōu)點是扭矩大、經(jīng)濟性能好，主要應(yīng)用于重型汽車、大型客車、工程機械、船舶、發(fā)電機組等，在人們的日常生活和生產(chǎn)中起著舉足輕重的作用。但是在柴油機使用過程中不可避免會發(fā)生故障，如果故障不能及時發(fā)現(xiàn)不僅會給企業(yè)帶來因設(shè)備停工所的經(jīng)濟損失，還可能造成不可想象的重大事故，進一步造成嚴重的經(jīng)濟損失甚至造成人員傷亡，因此柴油機的故障診斷一直是國內(nèi)外研究的熱點。隨著技術(shù)的不斷進步，故障診斷手段和方法的不斷豐富使柴油

2、機的故障判斷水平取得了長足的發(fā)展，本文的主要內(nèi)容就是基于振動分析和潤滑油分析對柴油機進行故障診斷。主要開展了以下幾個方面的工作：
　　首先對柴油機故障診斷常用技術(shù)手段和方法進行了綜述，研究了基于經(jīng)驗?zāi)B(tài)分解的AR模型和模糊熵的信號特征提取算法，并利用以上算法提取了能夠表征柴油機工作狀態(tài)的故障特征。對基于SVM的故障模式識別模型進行了研究，并對其多分類算法和參數(shù)尋優(yōu)算法進行了分析。同時利用振動時域分析方法對車載柴油機進行了狀態(tài)監(jiān)測，

3、診斷出發(fā)動機燃油系統(tǒng)故障和曲軸軸瓦間隙異常等故障，并通過對發(fā)動機進行解體驗證方法的有效性。
　　接下來進行了配氣機構(gòu)正常及四種故障條件下的臺架實驗，利用EMD將振動信號自適應(yīng)的分解到不同的頻率段，提取了各分量的AR模型參數(shù)、能量、奇異值和模糊熵等特征，最后利用遺傳算法（Genetic Algorithm，簡稱 GA）優(yōu)化的SVM模型進行故障診斷。結(jié)果表明：與信號能量、奇異值和模糊熵等特征相比Autoregressive model

4、（AR）模型參數(shù)可以更好的表征柴油機的工作狀態(tài)，此外GA可以明顯提高SVM模型的故障診斷正確率。
　　在以上研究的基礎(chǔ)上，對油液分析法以及潤滑油作用和組成作了簡要介紹，分析了紅外光譜的發(fā)展歷程和工作原理，以及在油液分析中的具體應(yīng)用，總結(jié)了紅外光譜在柴油機潤滑油油液分析中的重要指標如：氧化、硝化、添加劑損耗、煙炱、燃油稀釋、水含量、乙二醇含量等，總結(jié)了介電常數(shù)、鐵含量等油液分析中常用的理化指標。進行了柴油機油液分析實驗，經(jīng)過對比柴油