论文全文 - 第二届世界内燃机大会 第六届大功率发动机国际技术交流
柴油机的燃烧室部件发生故障,往往表现为一果多因,若能采用单一传感器对燃烧室部件进行故障诊断与隔离,对柴油机故障诊断技术的工程应用具有重要意义。为了提高燃烧室部件故障隔离的效率和精度,提出了一种基于声发射信号的自编码网络特征降维与BP神经网络故障隔离相结合的方法。以淄柴Z6170型柴油机为例,在试验室环境下进行了排气阀和活塞环的故障模拟试验,采集了气缸盖的声发射信号,提取了不同信号段的时域特征参数和频域特征参数。使用自编码网络对特征参数进行降维,DBSCAN聚类算法进行异常值检测,然后利用BP神经网络建立燃烧室部件的故障诊断与隔离模型。通过模型训练和验证表明:所提出的诊断与隔离方法是有效的,能够对柴油机燃烧室部件的排气阀和活塞环故障进行识别,具有很好的应用前景。
查看