一、柴油机敲缸故障的振动诊断法（论文文献综述）
张艺宝,黄燕,王群,闫兵[1]（2020）在《内燃机各缸功率损失的代理模型诊断方法研究》文中指出目前针对内燃机各缸功率损失的诊断方法有很多,但均存在各种局限不能实现实时在线诊断。基于此,在FS诊断方法的基础上提出利用代理模型代替复杂的轴系参数模型的方法并进行功率损失反算,该方法既不需要提取瞬时转速信号的特征故障参数,也不需要复杂的轴系结构参数,仅通过某一测点瞬时转速的各谐次组合就能够精确判断内燃机各缸故障情况,得到满足工程需求精度的诊断结果。通过对比分析反算各缸功率损失与仿真设定功率损失的结果表明:两者相差甚小,完全能够用于工程实际的故障诊断。该方法为快速在线诊断内燃机各缸功率损失提供参考。
叶磊[2]（2020）在《基于非线性轴系扭振的内燃机多工况故障诊断方法研究》文中研究说明动力轴系作为内燃机组的动力输出轴,承受着复杂的扭转、弯曲、剪切、摩擦甚至冲击力,使得轴系的零部件容易出现故障;同时,轴系扭振响应是各缸的激振力引起的轴系多模态响应之和,能够充分反映内燃机各缸做功状态和故障情况,因此基于轴系扭振信号的内燃机故障诊断研究得到了国内外学者的普遍重视和持续关注。但随着高速、强载、大功率内燃机的发展和扭振研究的深入,值得研究的新问题仍不断出现,例如启停工况对轴系扭振特性的影响等;新的控制技术也不断发展,例如非线性变刚度联轴器的调频设计等。这些都对基于轴系扭振信号的内燃机故障诊断研究提出了新的问题和需求。本文结合轴系非线性特性进行了内燃机多工况动力学特性和故障诊断研究,探索了基于轴系扭振仿真模型的智能化内燃机故障方法。首先,对内燃机轴系扭振计算方法进行研究:探讨中心差分法对轴系启、停工况扭振仿真计算的适用性,经验证,中心差分法与频域解析法在稳态工况的计算误差在2%以内,该方法在启、停工况的计算值与实验结果一致;针对几种典型变参数联轴器的参数特性,提出了适用于非线性轴系在稳态工况和启、停工况的扭振仿真计算算法。并且在此基础上,完成了扭振仿真软件PVDP2019的开发工作,这为内燃机故障诊断研究提供了仿真实验工具。其次,对内燃机在启、停过程中的激振力矩获取方法了进行研究:通过研究联轴器刚度对轴系扭振特性的影响,提出了基于刚度联轴器轴系角加速度的启动工况激振力矩获取方法;针对停机工况提出了基于进气压力修正的激振力矩获取方法。这为后续对启、停工况轴系强迫振动特性的仿真研究奠定了基础。然后,利用开发的仿真计算软件和激振力矩获取方法对内燃机启、停工况轴系扭振幅、频特性进行了研究:对内燃机启、停工况轴系共振转速幅值特性的研究,发现联轴器的刚度与共振转速幅值和联轴器主、被动端的扭角差幅值存在反比关系,并对其中存在的机理进行了理论推导;对轴系启、停工况共振转速频率特性进行的研究,发现提速率的变化会影响共振峰值的对应转速,并提出了一种快速估算小刚度联轴器轴系低阶固有频率的方法。这为故障诊断模型的搭建奠定了基础。最后,针对内燃机因功率损失造成的做功不均匀故障,结合轴系在稳态工况的响应特性,以卷积神经网络搭建了稳态工况基于CNN的内燃机功率损失故障诊断系统,并对该故障诊断模型进行验证,结果表明,该模型能准确识别内燃机做功不均匀故障的故障程度和故障缸位置;针对联轴器故障,结合在启、停工况的响应特性,以卷积神经网络搭建基于启、停工况的联轴器故障诊断系统,并对该故障诊断模型进行验证,结果表明,该模型能够准确识别联轴器故障导致刚度、阻尼变化的故障特征,并且对于联轴器主、被动端是否发生碰撞也做出了准确的识别。研究结果表明:考虑轴系参数的非线性,结合轴系在多工况下的动力学特性,选取卷积神经网络等现代智能化的故障识别方法,搭建的基于轴系扭振仿真模型的内燃机故障诊断系统,可以用于非线性内燃机轴系在多工况下的故障诊断,提高故障诊断的建模效率及诊断准确率。
张艺宝[3]（2018）在《基于响应面模型的内燃机作功状态角振动识别方法研究》文中研究指明随着我国轨道交通行业的蓬勃发展和改革,内燃机车（动车）被广泛应用于市郊短途和大多数电气化欠发达地区。内燃机作为其动力源的关键部件,在车辆运行中一旦发生故障,若未及时发现处理,将导致严重后果。因此,对内燃机各缸作功状况监测与故障诊断显得至关重要。传统的故障诊断方案计算量大、周期长、检测工作繁重,难以满足现阶段在线快速检测诊断内燃机工作状况的需求。基于此本文从内燃机轴系角振动与激振力矩的基本关系理论出发,提出了利用多谐次响应面代理模型构建内燃机各缸作功状态识别检测模型的方法,该方法能够有效克服传统方法中存在的不足。内燃机故障诊断工作一般由采集信号数据,建立故障信号与故障模式的关联信息,再通过关联信息识别故障三个方面展开。因此本文首先以典型内燃发电机组为研究对象,对机组轴系角振动信号采集方法进行了详细研究,提出了利用光电法可弥补磁电法在低转速测量方面的不足;研究了利用轴系扭振实验结果修正轴系仿真动力学模型的方法,并对该修正方法进行了实验验证,用于产生准确样本;在此基础上,提出了基于多谐次响应面代理模型的内燃机各缸作功状态角振动识别方法,并对该方法进行了仿真和实验验证,可为在线快速检测诊断内燃机工作状况方面的研究提供参考。在信号采集和处理方面,本文首先对常用的磁电测量方法进行了详细分析,提出了利用光电法弥补磁电法在低转速测量方面的不足;探讨了采样频率、接头缝隙、测试部件偏心、信号信噪比等因素对信号采集和处理的影响及消除方法。结果表明:光电法适于中、低转速下的轴系角振动测量,磁电法适于中、高转速下的轴系角振动测量;测量部件偏心对磁电法的影响较光电法大;通过五点三次重采样法校正接头缝隙,能使接头缝隙误差有效消除。相关研究成果可为内燃机各缸作功状态识别提供准确的测试信号。对轴系动力学模型进行了搭建,并提出了利用启停工况、连续空载提速、降速的轴系扭振实验数据校正轴系当量模型参数,以及利用稳态、停缸工况实验数据修正气体简谐力矩的方法。对修正后轴系仿真与实验结果进行了对比分析,结果表明:修正后的轴系响应更符合实验结果,说明该修正方法正确可行。相关研究成果对建立准确的内燃机各缸作功状况识别模型具有指导意义。在上述研究的基础上,从内燃机轴系扭振与激振力矩的基本理论出发结合代理模型建立的方法,提出了基于多谐次响应面代理模型的内燃机各缸作功状态角振动识别方法。并进行仿真和实验验证,结果表明:仿真验证中检测模型识别出的各缸功率损失误差很小,实验验证中停缸判断准确。说明代理模型方法的正确性。本文的相关研究成果可为轴系角振动信号测量、轴系模型修正提供参考,也对快速在线检测内燃机各缸工作状况方面的研究具有普遍参考意义。
乔卉卉[4]（2016）在《挖掘机远程状态监测与故障诊断系统研究》文中进行了进一步梳理针对挖掘机现场故障诊断中,人工诊断不准确、故障发现不及时等问题造成的挖掘机故障恶化、零件疲劳损坏、导致生产停滞或生产事故等现象,本文在国内外行业人士研究的基础上研究挖掘机远程状态监测与故障诊断系统的构建方法,该系统不仅包含了基本的挖掘机运行状态监测、同时可以实现挖掘机远程故障智能诊断,提高故障诊断的准确率,使挖掘机“被动维修”转换为“主动维护”,降低维护成本,较少经济损失,保障挖掘机工作效率。本文首先对挖掘机远程状态监测与故障诊断系统进行了总体方案设计,确定了系统的整体架构,主要包含三部分:车载数据采集平台、数据远程传输网络、远程监测诊断中心。主要针对柴油机与液压系统进行监测与故障诊断,根据挖掘机的结构与故障机理,选择了监测参数和测点位置。搭建了基于NI Compact RIO和GPS的车载数据采集硬件平台及基于GPRS的远程数据传输网络,并编写了基于LabVIEW的车载数据采集与传输的软件程序,实现了数据的采集、本地存储与远程传输。然后进行了远程监控中心软件设计,包括监测对象信息管理、发送监测请求、数据接收与解析、挖掘机地图定位、数据库存储与管理、柴油机与液压系统监测诊断、故障报表生成、故障信息返回和历史故障查询等功能模块。研究了基于集合经验模态分解的挖掘机振动信号的特征提取方法和基于支持向量机的挖掘机智能故障诊断方法,实现了柴油机与液压系统关键部位的状态监测与故障诊断。
肖小勇[5]（2013）在《船舶柴油机智能诊断技术与应用研究》文中研究说明船舶柴油机作为船舶的主要动力设备,是整个船舶的心脏所在。随着船舶向大型化、自动化以及集成化的方向发展,对船舶柴油机也提出了更高的要求。由于船舶柴油机所处工作环境恶劣,故障形式复杂多变,因此加强船舶柴油机的故障诊断技术的研究,不仅能保证船舶的正常运行,而且能从根本上转变设备的维修方式,进一步提高维修质量,降低船舶维护成本。本文围绕挖泥船和海监船项目背景,综合运用瞬时转速诊断法、振动诊断法、智能诊断法等多种诊断技术,实现对船舶柴油机的故障诊断。本文完成的研究工作主要包括：（1）以4120SG型柴油机为研究对象,对瞬时转速的诊断机理进行了深入分析,建立了瞬时转速的仿真计算模型。通过仿真计算,探索了不同工况下瞬时转速的变化规律。研究了二冲程与四冲程机瞬时转速提取技术,提取了4120SG柴油机实测瞬时转速信号,并将测试结果与仿真计算结果进行对比分析,验证了瞬时转速仿真计算模型的有效性,为柴油机的故障诊断提供理论依据。（2）根据内燃机扭振理论,建立了瞬时转速谐次诊断模型,从理论上分析了瞬时转速谐次幅值和相位的变化规律,并结合4120SG型柴油机单缸与多缸故障试验研究,提出了基于谐次相位法的多缸机故障诊断技术,确定了瞬时转速的谐次诊断规则,并成功应用于实船的故障诊断。（3）利用抽区间法和小波包技术分析了缸盖振动的特征变化规律。重点研究了失火故障、气门间隙异常、气阀漏气以及供油提前角异常等故障状态下缸盖振动信号时域诊断指标、频域诊断指标以及小波包能量百分比的变化情况,为柴油机的智能化诊断提供试验依据。（4）研究了基于神经网络与DS证据理论的信息融合诊断技术,提出了分层网络诊断模型。通过对比分析BP网络与RBF网络,确定了BP网络与证据理论作为分层网络的基本组合形式,并利用4120SG型柴油机的故障数据验证了分层网络诊断模型的可行性和有效性。（5）综合运用研究成果,以LabVIEW为开发平台研制了船舶柴油机智能故障诊断系统。重点研究系统分层网络诊断模型的设计、良好的人机交互界面、动态化故障知识库的实现以及有效数据存储机制的建立等,并将故障诊断系统应用于挖泥船的状态监测与故障诊断上,得到了良好的用户反馈。
宋震[6]（2013）在《柴油机典型故障特征提取与诊断研究》文中研究说明柴油机作为结构复杂、零件众多的往复式动力机械，其故障会影响设备的运行状况。近年来，国内外对柴油机的在线监测和故障诊断技术发展迅速，并取得了一定的研究成果。但柴油机的故障诊断仍处于方法研究阶段，能否及时准确的对柴油机进行故障诊断，有效预防和避免故障是近年来研究的热点课题。论文在学习和总结现有方法及技术的基础上，采用融合技术对柴油机的典型故障进行诊断研究。在柴油机故障诊断过程中，故障特征提取是决定诊断成败的重要环节。论文通过对振动信号的时域分析、频域分析以及时频分析开展了相关的故障特征提取研究工作。在此基础上，论文提出了一种基于集合经验模态分解和奇异值分解的故障特征提取方法，并验证了该方法在柴油机振动信号故障提取过程中的优势，并采用支持向量机进行了柴油机典型故障的模式识别。研究结果表明，支持向量机在训练样本数量及精度方面具有良好的诊断效果，有利于在柴油机典型故障诊断实际应用中得到广泛应用。结合不同方法在故障特征提取与故障模式识别上的各自优势，论文提出了集合经验模式分解、矩阵奇异值分解与RBF核函数支持向量机方法的融合故障诊断技术，其分析流程主要描述为：首先，通过实验方案获得柴油机供油提前角增大、气门间隙减小、共轨压力减小与喷油量减小这4种典型故障下的振动信号，并结合正常工况下的振动信号进行对比分析；其次，通过时域、频域与时频分析技术分析柴油机缸盖振动信号，提取柴油机振动信号特征；最后，采用论文提出的融合故障诊断技术，依次对柴油机振动信号进行故障特征提取，归一化处理及故障模式识别。研究结果表明，该融合技术能够有效的将柴油机4种典型故障识别出来，诊断精度接近于100％，从而验证了该融合技术在柴油机诊断应用中的可行性和工程应用价值。
秦荣[7]（2011）在《基于振动分析的发动机故障诊断实用方法研究》文中指出发动机故障诊断技术研究在保障生产安全、产品设计优化等方面有重要意义,利用振动诊断方法对发动机表面的振动信号进行分析处理,实现故障诊断能减少对维修人员的经验依赖,节约维修成本,具有重要的经济价值,而在实车运行工况下进行发动机故障振动信号测试尽管信号提取难度大,但具有较高工程实用价值。通过对主要阶次成份进行转速提取,利用希尔伯特-黄变换得出瞬时相位,运用三次样条插值得到等角度重采样信号,提出了一种无转速测量信号的基于等角度重采样的阶次分析方法,并通过仿真分析对等时间间隔采样信号和等角度重采样后信号分析结果进行对比,对等角度重采样信号处理方法的有效性进行了验证。结合某企业生产的WD615系列和WP10系列发动机实际使用中的故障实例,基于实车上怠速工况下振动信号采集方法和振动信号机理,总结出了发动机表面的振动测点适宜选取位置;针对失火故障、冲缸垫故障、凸轮轴瓦故障的振动信号,综合使用了时域分析、频域分析、解调分析、EMD和等角度重采样分析方法,通过对比分析故障信号和维修后正常信号的不同特征,总结出了该系列发动机在上述几种典型故障下的振动信号特征表现,验证了等角度重采样信号处理方法在发动机测试故障诊断中的有效性。
华春蓉[8]（2011）在《内燃机曲轴角振动模态识别方法的研究及应用》文中研究表明曲轴是内燃机最重要的构件之一,曲轴承受复杂交变的冲击载荷而产生扭转振动。轴系的扭转振动不仅会影响轴系扭转疲劳强度,而且与内燃机许多其它的故障和性能恶化有关。因此,轴系扭转振动已经成为内燃机及其动力装置设计运用必须重视的问题之一。内燃机轴系角振动的模态决定了曲轴的扭转振动特性,对内燃机曲轴角振动进行模态分析不仅能给曲轴动力学分析和优化设计提供理论依据,而且所识别的曲轴角振动模态参数还可用于内燃机工作状态监测、故障诊断以及扭振评价和校核。本文针对目前曲轴角振动模态参数识别中存在的问题,发展了一套内燃机运行状态下曲轴角振动模态参数（固有频率、振型、阻尼比）识别方法,并在此基础上对内燃机轴系阻尼系数的识别、基于曲轴角振动模态特性的内燃机状态监测与故障诊断等问题进行了深入研究。研究工作不仅完善了内燃机曲轴角振动模态参数识别技术,而且丰富了基于曲轴角振动的内燃机故障诊断和状态监测技术。提出了内燃机运行状态下曲轴角振动模态参数的实验识别方法。推导了考虑各角振动模态间相互影响的多缸内燃机任意测点简谐角振动与任意缸简谐力矩的函数关系式；采用正交分量法消除曲轴角振动滚振和其他阶模态的影响,以提高曲轴角振动模态参数的识别精度；提出利用停缸法识别内燃机运行状态下曲轴角振动振型。该方法所得曲轴角振动模态既符合内燃机运行状态下曲轴角振动实际情况,又不需要复杂的试验设备和大量试验工作。同时分析了功率不均衡状况对曲轴角振动振型识别精度的影响及解决方法。根据系统振动能量相等的原理提出了一种利用曲轴角振动模态阻尼比识别内燃机轴系阻尼系数的方法。推导了曲轴角振动模态阻尼比与轴系各阻尼系数之间的关系,并建立了曲轴角振动模态阻尼比与气缸外阻尼系数、弹联阻尼系数以及减振器阻尼系数之间的关系式。在识别轴系阻尼系数时,通过分析内燃机轴系阻尼特性确定对该内燃机起主要作用的阻尼,并选择合适的曲轴角振动振型,即可识别对内燃机起主要作用的阻尼。该方法不需要大量实验,精度较高。针对目前基于曲轴单谐次“准刚体”模型和“准梯形”模型的内燃机故障缸诊断方法的局限,提出了一种基于曲轴角振动振型特性的单缸故障缸矢量诊断方法。即在转速一定时,如果曲轴的某谐次角振动振型在曲轴内无结点,则通过对各缸正常工况和任意单缸故障工况下的测点该谐次角振动位移进行矢量差计算,利用矢量差的相位就可以实现故障缸的准确诊断。该方法不需要建立曲轴简谐角振动诊断动力学模型,也不需要轴系结构参数和先验知识以及大量实验,同时可适用于各缸发火间隔角在曲柄圆内非对称分布的情况。提出一种基于曲轴角振动响应实现在线监测内燃机功率的新方法。推导了内燃机轴系测点的单谐次角振动位移与内燃机功率的关系式；并推导了一定转速下,当内燃机各缸做功均匀,轴系测点的某谐次角振动位移幅值与内燃机功率呈三次多项式关系；通过拟合该转速下轴系测点的该谐次角振动位移幅值随内燃机功率的变化规律曲线,即可利用该谐次角振动位移幅值在线监测内燃机功率。该方法测试简单,无需专用仪器,成本低,能满足工程应用需要。论文对所提出的新方法、公式及推论作了严格的理论推导与证明,并进行了大量的仿真研究和实验验证。论文的研究工作,不仅解决了目前内燃机运行状态下曲轴角振动试验模态识别存在的问题,完善了曲轴角振动模态参数识别技术,并且丰富了内燃机故障诊断和状态监测技术。由此得出的一些具有普遍意义的研究成果还可用于解决其他相关领域的问题。
王宇[9]（2010）在《机械噪声监测中盲信号处理方法研究》文中认为机械噪声信号和振动信号一样,蕴含了机械设备运行状态的重要信息。当设备状态发生改变时,其声学特性同样会发生改变。因此,通过对机械噪声信号的处理和分析,也可以了解机械设备的运行状态,实现状态监测与诊断。同时声信号的测量还具有无损、非接触和简便易行等优点。但是,声学监测与诊断方法面临的很大困难在于实际声场非常复杂,传声器接收到的观测信号往往是一个复杂的混合过程的结果,待识别的目标信号和其它设备的信号以及噪声信号混杂在一起,一般很难直接从测量的声信号中获得有用的信息。因此,排除或抑制干扰信号或背景噪声,准确地从低信噪比的混合信号中提取出待识别的目标信号,对声学监测与诊断方法十分关键。目前,“在几乎没有任何先验知识的情况下,从阵列信号中恢复或估计出源信号”的盲信号处理技术为机械声学信号的分离提供了一个有力的解决手段。因此,本学位论文在国家自然科学基金项目“机械病态噪声场中多源分量盲提取方法研究”和云南省教育厅科学研究基金项目“复杂机械噪声场中多分量盲提取方法研究”的资助下,以盲信号处理为理论基础,围绕实际复杂声场环境下的随机非平稳机械噪声提取和分离问题,采用理论研究、实验验证和系统实现相结合的研究路线,初步建立了基于盲信号处理的机械噪声状态监测与故障诊断方法,为声学诊断理论与应用的发展提供了一种方法,主要研究内容如下：（1）从工程实际出发,简要阐述了本文的选题背景与研究意义。分别对机械噪声监测与故障诊断技术、盲信号处理理论和基于盲信号处理的声学诊断技术的国内外研究现状进行了较为全面的综述。（2）针对机械噪声近距离监测的问题,提出了基于聚类的卷积混合逐次提取改进算法和基于遗传算法优化的盲解卷积改进算法。仿真和实验研究结果显示,两个算法可在较大范围的解空间进行处理,解决不同时延造成的分离结果不确定问题,提高了算法的实用性和分离结果的可靠性。（3）针对复杂条件下机械噪声远距离监测的问题,建立了机械冲击信号的盲解卷积方法理论框架。在此框架基础上,提出了基于块模型和优选的盲解卷积算法和带参考信号的盲解卷积算法。仿真算例和故障轴承声信号提取实验验证了理论框架的有效性,表明两个算法的适应性较好,处理能力较强。（4）在分析盲信号处理实际应用现状的基础上,研究了盲信号处理的欠定问题和源数目估计问题。在欠定问题方面,通过对高维矩阵构造、主分量分析和多分辨率子带分解理论的研究,提出了利用单一传声器信号进行盲解卷积的算法；在源数目估计方面,结合FCM自适应参数算法,提出了带源数目估计功能的盲解卷积增强算法,该算法能够在欠定条件下,完成盲解卷积的同时估计出主要声源的数目。计算机仿真和实验研究验证了上述算法的正确性,表明两个算法可在一定程度指导盲信号处理方法的工程应用。（5）在机械冲击信号盲解卷积理论研究的基础上,利用MATLAB设计并实现了基于盲信号处理的机械噪声监测与诊断系统-——ABD-BSPTool,并在实验室的测试环境中对该系统进行了测试,轴承故障信号的成功提取验证了该系统的有效性。实践表明,ABD-BSPTool对于促进基于盲信号处理的声学监测与诊断方法向实用化发展有着积极的意义。
屈峰[10]（2007）在《汽车发动机故障诊断方法研究》文中研究表明在机械设备故障诊断中,最重要、最关键,同时也是最困难的问题之一就是信号故障特征的提取,它直接关系到故障诊断的准确性。柴油发动机由于内部结构复杂、激励源众多等特点,目前尚无一套成熟实用的诊断方法对其进行准确的故障诊断,而采用振动分析的故障信号频率特征是反映设备故障的主要信息。本文采用振动诊断法,在对柴油发动机进行结构及其典型故障分析,以及对振动信号的时域、频域及小波包进行深入分析的基础上,针对现场实测的泰拖拉T815型柴油发动机机体表面振动信号与气缸盖固紧螺栓振动信号,提出了该型发动机的故障诊断流程,即对所测振动信号进行相关分析,根据发动机机体振动信号的频率特性,确定出故障气缸;然后对该故障气缸进行时域分析,得出峭度参量是发动机故障的敏感时域参数;接着对该故障信号进行频域分析,由随转速增加的频谱图及柴油发动机的典型故障定性分析确定出该发动机的故障类型;最后对该故障信号进行小波包分析,确定该种故障的特征频带。通过上述分析确定的发动机故障敏感参量,可以为神经网络等模式识别提供较为准确的特征参量。
二、柴油机敲缸故障的振动诊断法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、柴油机敲缸故障的振动诊断法（论文提纲范文）
（1）内燃机各缸功率损失的代理模型诊断方法研究（论文提纲范文）
| 1 引言 |
| 2 内燃机做功不均匀代理模型建立基本理论 |
| 2.1 内燃机各缸做功与轴系响应基本原理 |
| 2.2 谐次选择 |
| 2.3 各缸做功不均匀代理模型理论 |
| 3 代理模型的建立 |
| 4 代理模型准确度检测 |
| 5 结论 |
（2）基于非线性轴系扭振的内燃机多工况故障诊断方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 内燃机轴系扭振计算方法的研究现状 |
| 1.2.2 内燃机故障诊断技术的研究现状 |
| 1.2.3 内燃机故障识别方法的研究现状 |
| 1.3 本文主要研究内容 |
| 第2章 内燃机轴系扭振计算方法研究及程序开发 |
| 2.1 稳态工况扭振计算方法研究 |
| 2.1.1 自由振动计算基本原理 |
| 2.1.2 强迫振动计算基本原理 |
| 2.2 启、停工况扭振计算方法研究 |
| 2.2.1 中心差分法的基本原理 |
| 2.2.2 中心差分法准确性验证 |
| 2.3 变参数联轴器扭振计算方法研究 |
| 2.3.1 典型联轴器的参数特性 |
| 2.3.2 轴系采用变参数联轴器的稳态工况扭振计算方法研究 |
| 2.3.3 轴系采用变参数联轴器的启、停工况扭振计算方法研究 |
| 2.4 程序开发 |
| 2.4.1 模型搭建界面 |
| 2.4.2 参数输入界面 |
| 2.4.3 计算结果分析界面 |
| 2.5 本章小结 |
| 第3章 启、停工况轴系激振力矩获取方法研究及应用 |
| 3.1 联轴器刚度对轴系扭振特性影响 |
| 3.1.1 联轴器刚度对轴系扭振模态特性的影响 |
| 3.1.2 对不同联轴器刚度下启、停工况扭振响应特性实验研究 |
| 3.2 启、停工况激振力矩获取方法研究 |
| 3.2.1 激振源分析 |
| 3.2.2 基于平均角加速度的激振力矩获取方法 |
| 3.2.3 采用平均有效压力修正的激振力矩获取方法 |
| 3.2.4 采用进气压力修正的激振力矩获取方法 |
| 3.3 启、停工况轴系扭振幅值特性研究 |
| 3.3.1 联轴器刚度对启、停工况扭振幅值特性的影响 |
| 3.3.2 机理分析 |
| 3.4 启、停工况轴系共振转速偏移特性研究 |
| 3.4.1 共振转速偏移特性 |
| 3.4.2 共振转速偏移特性的影响因素探究 |
| 3.4.3 快速估算轴系固有频率方法 |
| 3.5 本章小结 |
| 第4章 稳态工况基于CNN的内燃机功率损失故障诊断方法研究 |
| 4.1 轴系仿真模型建立 |
| 4.1.1 研究对象及参数 |
| 4.1.2 实验设计与研究 |
| 4.1.3 激振力确定 |
| 4.2 故障样本设置 |
| 4.2.1 单缸功率损失故障样本设置 |
| 4.2.2 多缸功率损失故障样本设置 |
| 4.3 故障识别方法选择 |
| 4.3.1 常用深度学习网络 |
| 4.3.2 卷积神经网络 |
| 4.4 单缸功率损失故障诊断方法研究 |
| 4.4.1 故障诊断模型搭建 |
| 4.4.2 故障诊断模型验证 |
| 4.5 多缸功率损失故障诊断方法研究 |
| 4.5.1 卷积神经网络搭建 |
| 4.5.2 故障诊断模型实验验证 |
| 4.6 本章小结 |
| 第5章 启停工况基于CNN的联轴器故障诊断方法研究 |
| 5.1 联轴器动力学参数故障诊断方法研究 |
| 5.1.1 联轴器动力学参数变化对轴系响应特性的影响 |
| 5.1.2 故障诊断模型搭建 |
| 5.1.3 训练结果分析 |
| 5.1.4 故障诊断模型验证 |
| 5.2 实验验证方法研究 |
| 5.2.1 采用不同联轴器的轴系扭振特性 |
| 5.2.2 训练样本处理 |
| 5.2.3 故障诊断模型验证 |
| 5.3 联轴器碰撞故障诊断方法研究 |
| 5.3.1 联轴器碰撞对轴系扭振特性影响 |
| 5.3.2 故障诊断模型搭建 |
| 5.3.3 结果分析 |
| 5.4 本章小结 |
| 结论与展望 |
| 结论 |
| 展望 |
| 致谢 |
| 参考文献 |
（3）基于响应面模型的内燃机作功状态角振动识别方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 角振动信号采集、处理的国内外发展现状 |
| 1.3 内燃机故障诊断技术的国内外发展现状 |
| 1.4 主要研究内容 |
| 第2章 内燃机角振动信号测量方法研究 |
| 2.1 角振动测量原理 |
| 2.1.1 高频计数法 |
| 2.1.2 A/D拟合法 |
| 2.2 基于磁电传感器的角振动信号测量 |
| 2.2.1 磁电传感器角振动测量原理 |
| 2.2.2 磁电传感器的输出电压特性 |
| 2.2.3 磁电传感器测量误差及消除方法 |
| 2.2.4 低转速信噪比对角振动测量的影响分析 |
| 2.3 基于光电传感器的角振动信号测量 |
| 2.3.1 光电传感器角速度测量原理 |
| 2.3.2 采样频率所引起的误差分析及消除方法 |
| 2.3.3 测量部件偏心所引起的误差及校正方法 |
| 2.3.4 条纹码接头缝隙误差分析及校正方法 |
| 2.4 本章小结 |
| 第3章 内燃机轴系动力学模型校正方法研究 |
| 3.1 轴系当量模型惯量、刚度校正方法 |
| 3.1.1 利用启动、停机工况识别联轴器模态参数 |
| 3.1.2 利用连续升、降速空载工况识别轴系模态参数 |
| 3.2 内燃机气体简谐力矩的校正方法研究 |
| 3.2.1 气体简谐力矩计算方法 |
| 3.2.2 激振力矩与轴系扭振响应关系式 |
| 3.2.3 基于扭振试验的气体简谐力矩系数的修正方法 |
| 3.3 气体简谐力矩校正实例分析 |
| 3.3.1 轴系当量模型的建立 |
| 3.3.2 实验设计及研究 |
| 3.3.3 气体简谐力矩修正 |
| 3.4 本章小结 |
| 第4章 内燃机多谐次响应面模型的建立 |
| 4.1 内燃机各缸作功与响应基本理论 |
| 4.1.1 内燃机各缸力矩与轴系响应基本关系式 |
| 4.1.2 内燃机各缸作功状态对轴系部件的影响 |
| 4.2 识别各缸作功状态的多谐次选择原则 |
| 4.3 识别各缸作功状态的代理模型建立 |
| 4.3.1 试验设计方法选择 |
| 4.3.2 代理模型的构建 |
| 4.4 本章小结 |
| 第5章 内燃机作功状态识别模型的验证 |
| 5.1 内燃机作功状态识别模型的仿真验证 |
| 5.2 内燃机作功状态识别模型的实验验证 |
| 5.2.1 实验简介及数据处理 |
| 5.2.2 模型准确度检验 |
| 5.3 本章小结 |
| 结论与展望 |
| 结论 |
| 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表论文 |
（4）挖掘机远程状态监测与故障诊断系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景 |
| 1.2 研究的目的及意义 |
| 1.3 机械故障诊断技术概述 |
| 1.4 国内外研究现状 |
| 1.5 主要研究内容 |
| 第二章 挖掘机远程状态监测与故障诊断系统总体方案设计 |
| 2.1 液压挖掘机概述 |
| 2.2 挖掘机实验平台介绍 |
| 2.3 柴油机主要故障模式分析及监测参数选取 |
| 2.3.1 柴油机主要故障模式 |
| 2.3.2 柴油机典型的故障诊断方法 |
| 2.3.3 柴油机监测参数选取 |
| 2.4 液压系统主要故障模式分析及监测参数选取 |
| 2.4.1 液压系统主要故障模式与故障机理分析 |
| 2.4.2 液压系统监测参数的选取 |
| 2.5 虚拟仪器与Lab VIEW介绍 |
| 2.6 系统体系结构选择 |
| 2.7 系统通信方式选择 |
| 2.8 系统总体架构与功能设计 |
| 第三章 远程监测诊断系统的关键软硬件设计与实现 |
| 3.1 基于Compact RIO的车载数据采集平台的设计与实现 |
| 3.1.1 Compact RIO嵌入式数据采集平台简介 |
| 3.1.2 车载数据采集平台硬件搭建 |
| 3.1.2.1 传感器的选择 |
| 3.1.2.2 CRIO系统硬件选配 |
| 3.1.2.3 GPS接收器的选择 |
| 3.1.3 Compact RIO软件开发的架构和方法 |
| 3.1.3.1 CRIO开发架构 |
| 3.1.3.2 配置CRIO系统 |
| 3.1.3.3 创建CRIO项目 |
| 3.1.4 车载数据采集模块软件设计 |
| 3.1.4.1 GPS数据接收与解析子程序 |
| 3.1.4.2 基于I/O模块的数据采集子程序 |
| 3.1.4.3 数据文件的本地保存 |
| 3.2 基于GPRS的数据远程传输模块设计 |
| 3.2.1 GPRS DTU介绍 |
| 3.2.2 利用GPRS DTU构建远程数据传输网络 |
| 3.2.3 数据打包与远程传输 |
| 3.3 远程状态监测与故障诊断中心软件设计 |
| 3.3.1 整体框架设计 |
| 3.3.2 登录模块 |
| 3.3.3 监测对象信息管理模块 |
| 3.3.4 发送监测请求模块 |
| 3.3.5 数据接收与解析模块 |
| 3.3.6 数据存储与管理模块 |
| 3.3.7 挖掘机地图定位模块 |
| 3.3.8 历史故障查询模块 |
| 第四章 挖掘机振动信号的特征提取与故障诊断方法研究 |
| 4.1 振动信号的时域统计分析和频域分析 |
| 4.2 非平稳非线性振动微弱信号的特征提取方法 |
| 4.2.1 Hilbert-Huang变换的基本原理 |
| 4.2.1.1 经验模态分解 |
| 4.2.1.2 Hilbert变换 |
| 4.2.1.3 包络线幅值函数和瞬时频率 |
| 4.2.1.4 EMD分解的端点效应 |
| 4.2.1.5 EMD分解的模态混叠现象 |
| 4.2.2 集合经验模态分解的基本原理 |
| 4.2.3 集合经验模态分解算法的程序设计 |
| 4.3 基于支持向量机的设备故障识别方法 |
| 4.3.1 机器学习的基本问题和方法 |
| 4.3.2 支持向量机分类的基本原理 |
| 4.3.2.1 最优超平面 |
| 4.3.2.2 线性支持向量机 |
| 4.3.2.3 非线性支持向量机 |
| 4.3.3 基于支持向量机的多故障分类程序设计 |
| 4.3.4 基于支持向量机的柴油机故障诊断技术路线 |
| 第五章 柴油机与液压系统监测诊断系统设计 |
| 5.1 系统功能模块组成 |
| 5.2 柴油机燃油喷射系统状态监测模块 |
| 5.2.1 柴油机高压油路故障机理分析 |
| 5.2.2 燃油压力波特征参数选择与提取 |
| 5.2.3 供油系统监测软件设计 |
| 5.3 柴油机无负载测功模块 |
| 5.4 柴油机机身振动评级模块 |
| 5.4.1 柴油机振动评级准则 |
| 5.4.2 测点位置的选取 |
| 5.4.3 柴油机振级评价软件设计 |
| 5.5 基于缸盖振动信号分析的柴油机气门机构故障识别模块 |
| 5.5.1 缸盖振动的激振源分析 |
| 5.5.2 测点位置及采样方式 |
| 5.5.3 缸盖振动信号的特性分析 |
| 5.5.3.1 时域特性 |
| 5.5.3.2 频域特性 |
| 5.5.4 基于EEMD和SVM的柴油机缸盖振动信号分析 |
| 5.5.4.1 基于EEMD分解的故障特征向量的构建 |
| 5.5.4.2 基于SVM的柴油机气门机构故障识别 |
| 5.6 液压系统状态监测模块 |
| 5.6.1 液压系统压力和温度监测模块 |
| 5.6.2 液压泵故障诊断 |
| 5.6.2.1 液压泵振动特征分析 |
| 5.6.2.2 液压泵故障特征向量的构建 |
| 5.6.2.3 基于SVM的液压泵故障识别 |
| 第六章 总结与展望 |
| 6.1 研究总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间的研究成果及发表的学术论文 |
（5）船舶柴油机智能诊断技术与应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的目的和意义 |
| 1.2 所选课题题目和课题的来源 |
| 1.3 国内外研究现状 |
| 1.3.1 机械设备故障诊断技术的发展概况 |
| 1.3.2 船舶动力设备监测诊断技术的研究现状 |
| 1.4 现阶段研究存在的问题 |
| 1.5 本文研究的主要内容及思路 |
| 第2章 基于瞬时转速的故障诊断技术研究 |
| 2.1 瞬时转速仿真计算研究 |
| 2.1.1 瞬时转速仿真计算模型的建立 |
| 2.1.2 多缸机瞬时转速仿真计算结果分析 |
| 2.2 瞬时转速的测量与提取方法研究 |
| 2.2.1 四冲程柴油机瞬时转速的测量与提取 |
| 2.2.2 二冲程柴油机瞬时转速的测量与提取 |
| 2.3 多缸机瞬时转速仿真计算与试验对比分析 |
| 2.4 多缸机瞬时转速谐次相位分析法 |
| 2.5 基于谐次相位法的内燃机故障诊断 |
| 2.5.1 单缸做功故障试验研究 |
| 2.5.1.1 单缸断油故障 |
| 2.5.1.2 供油提前角与配气机构故障 |
| 2.5.2 双缸故障试验研究 |
| 2.6 基于谐次相位法的诊断规则与应用研究 |
| 2.6.1 谐次相位法的故障诊断规则 |
| 2.6.2 瞬时转速谐次相位诊断法在实船上的应用 |
| 2.6.2.1 单缸停油故障诊断 |
| 2.6.2.2 双缸停油故障诊断 |
| 2.7 本章小结 |
| 第3章 柴油机缸盖振动诊断技术研究 |
| 3.1 柴油机缸盖振动特性研究 |
| 3.1.1 缸盖振动信号的时域特性 |
| 3.1.2 缸盖振动信号的频域特性 |
| 3.1.3 缸盖振动信号的循环波动特性 |
| 3.2 柴油机缸盖振动故障试验设计 |
| 3.2.1 柴油机缸盖振动故障试验平台 |
| 3.2.2 柴油机振动故障试验方案 |
| 3.3 柴油机缸盖振动特征提取方法研究 |
| 3.3.1 缸盖振动时域特征分析 |
| 3.3.2 缸盖振动频域特征分析 |
| 3.4 基于单通道缸盖振动信号的故障诊断研究 |
| 3.4.1 断油故障特征分析 |
| 3.4.2 气门间隙异常工况特征分析 |
| 3.4.3 气阀漏气故障特征分析 |
| 3.4.4 供油提前角故障特征分析 |
| 3.5 基于时频分析的缸盖振动整循环特征提取研究 |
| 3.5.1 短时傅里叶变换 |
| 3.5.2 小波及小波包变换 |
| 3.5.3 缸盖振动整循环时频特征提取 |
| 3.6 本章小结 |
| 第4章 基于信息融合的智能诊断技术研究 |
| 4.1 信息融合技术基本理论 |
| 4.2 基于神经网络的信息融合技术 |
| 4.2.1 BP神经网络 |
| 4.2.2 径向基函数(RBF)神经网络 |
| 4.2.3 基于神经网络的柴油机故障模式识别 |
| 4.3 基于DS证据理论的信息融合技术 |
| 4.3.1 DS证据理论基本概念 |
| 4.3.2 基于DS证据理论的决策推理 |
| 4.4 基于神经网络和证据理论的分层诊断策略 |
| 4.5 分层诊断策略在柴油机故障诊断上的应用 |
| 4.6 本章小结 |
| 第5章 船舶柴油机智能诊断系统的研究与设计 |
| 5.1 智能诊断系统的基本结构 |
| 5.2 诊断系统的硬件平台 |
| 5.3 智能诊断系统的开发与设计 |
| 5.4 智能诊断主程序的设计和实现 |
| 5.4.1 热工参数监测诊断模块 |
| 5.4.2 瞬时转速监测诊断模块 |
| 5.4.3 缸盖振动监测诊断模块 |
| 5.4.4 离线式缸压监测模块 |
| 5.4.5 人工智能模块 |
| 5.5 基础数据库与故障知识库的设计 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 本文的创新点 |
| 6.3 展望 |
| 参考文献 |
| 致谢 |
（6）柴油机典型故障特征提取与诊断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第一章 绪论 |
| 1.1 选题目的与意义 |
| 1.2 常用内燃机故障诊断方法及国内外现状 |
| 1.2.1 性能参数诊断法 |
| 1.2.2 油液分析法 |
| 1.2.3 振动诊断法 |
| 1.3 振动信号分析方法现状 |
| 1.3.1 时域分析 |
| 1.3.2 频域分析 |
| 1.3.3 时频分析 |
| 1.3.4 时间序列分析 |
| 1.4 本文研究的主要思路与内容 |
| 第二章 柴油机振动信号采集及分析 |
| 2.1 柴油机振动信号采集 |
| 2.2 振动信号的时域分析 |
| 2.3 频域分析 |
| 2.4 时频分析技术 |
| 2.4.1 基于短时傅里叶变换的振动信号时频分析 |
| 2.4.2 基于小波变换的振动信号时频分析 |
| 2.4.3 基于双线性时频分布的振动时频分析 |
| 2.5 本章小结 |
| 第三章 EEMD、奇异值分解及支持向量机融合故障诊断技术 |
| 3.1 EEMD 的基本原理 |
| 3.1.1 EEMD 的基本原理的基础概念 |
| 3.1.2 EEMD 基本原理与方法 |
| 3.1.3 EEMD 与 EMD 的优劣分析 |
| 3.2 支持向量机（Support Vector Machine，SVM） |
| 3.2.1 支持向量机原理和算法 |
| 3.2.2 核函数 |
| 3.2.3 基于支持向量机故障诊断的基本步骤 |
| 3.2.4 基于支持向量机的内燃机故障模式识别 |
| 3.3 本章小结 |
| 第四章 基于融合技术的柴油机典型故障诊断 |
| 4.1 基于 EEMD 奇异值分解和 SVM 的内燃机典型故障诊断实验研究 |
| 4.1.1 内燃机故障模式识别的基本步骤 |
| 4.1.2 缸盖振动信号的集合经验模式分解 |
| 4.1.3 归一化特征向量 |
| 4.1.4 支持向量机故障模式识别 |
| 4.1.5 诊断结果 |
| 4.2 基于小波包分解和神经网络的内燃机典型故障诊断实验研究 |
| 4.2.1 缸盖振动信号的小波包分解 |
| 4.2.2 归一化特征向量 |
| 4.2.3 神经网络诊断系统的设计与实现 |
| 4.2.4 BP 神经网络的验证 |
| 4.3 本章小结 |
| 第五章 总结与展望 |
| 致谢 |
| 参考文献 |
| 附录A 攻读学位期间发表论文及专利 |
| 附录B 参与项目情况 |
| 附录C |
（7）基于振动分析的发动机故障诊断实用方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究的意义和目的 |
| 1.2 国内外研究现状 |
| 1.2.1 发动机故障诊断研究与应用现状 |
| 1.2.2 发动机振动诊断法研究现状 |
| 1.2.3 信号处理和特征提取方法现状 |
| 1.3 论文的研究内容 |
| 第二章 发动机故障诊断机理 |
| 2.1 发动机的主要振动激励源 |
| 2.1.1 气缸压力激励 |
| 2.1.2 曲柄连杆机构惯性力激励 |
| 2.1.3 气门落座激励 |
| 2.1.4 其他激励 |
| 2.2 发动机振动信号的基本特性 |
| 2.3 发动机振动传播特性分析 |
| 2.3.1 缸盖振动特性分析 |
| 2.3.2 缸体振动特性分析 |
| 2.4 发动机常见故障及定性分析 |
| 2.4.1 发动机失火故障及定性分析 |
| 2.4.2 发动机冲缸垫故障及定性分析 |
| 2.4.3 凸轮轴瓦故障定性分析 |
| 2.5 本章小结 |
| 第三章 振动信号处理方法及仿真分析 |
| 3.1 振动信号处理基本方法概述 |
| 3.1.1 时域分析 |
| 3.1.2 频域分析——稳态信号分析 |
| 3.1.3 时频分析——瞬态信号分析 |
| 3.1.4 基于复解析带通滤波器的复调制细化选带频谱分析方法 |
| 3.2 希尔伯特黄变换 |
| 3.2.1 固有模态分解及仿真分析 |
| 3.2.2 希尔伯特谱分析 |
| 3.3 基于等角度采样的信号处理方法及仿真分析 |
| 3.4 本章小结 |
| 第四章 发动机故障振动诊断实例分析 |
| 4.1 测试系统及组成 |
| 4.1.1 测试系统的原理与测试设备 |
| 4.1.2 测试对象基本参数 |
| 4.1.3 测点的选取 |
| 4.1.4 测试步骤 |
| 4.2 发动机失火故障实例分析 |
| 4.2.1 故障信号分析 |
| 4.2.2 失火故障诊断分析结论 |
| 4.3 发动机冲缸垫故障实例分析 |
| 4.3.1 故障信号分析 |
| 4.3.2 冲缸垫故障诊断分析结论 |
| 4.4 发动机凸轮轴故障实例分析 |
| 4.4.1 故障信号分析 |
| 4.4.2 凸轮轴瓦脱落诊断分析结论 |
| 4.5 本章小结 |
| 结论与展望 |
| 结论 |
| 展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（8）内燃机曲轴角振动模态识别方法的研究及应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题意义 |
| 1.2 内燃机曲轴模态分析方法及其国内外应用现状 |
| 1.2.1 模态分析方法简介 |
| 1.2.2 试验模态分析方法综述 |
| 1.2.3 内燃机轴系模态分析的国内外研究现状 |
| 1.3 基于曲轴角振动的内燃机故障诊断和状态监测方法概述 |
| 1.3.1 内燃机曲轴角振动诊断方法概述 |
| 1.3.2 内燃机曲轴角振动简谐诊断法简介 |
| 1.4 内燃机曲轴角振动模态分析研究难点及应用 |
| 1.4.1 内燃机曲轴角振动模态分析研究难点 |
| 1.4.2 基于曲轴角振动模态特性的应用 |
| 1.5 论文主要研究内容和技术路线 |
| 1.5.1 论文主要研究内容 |
| 1.5.2 技术路线及研究条件 |
| 1.6 本章小节 |
| 第2章 内燃机曲轴角振动模态参数识别 |
| 2.1 内燃机运行状态下曲轴角振动模态参数识别理论 |
| 2.1.1 模态分析的频域法 |
| 2.1.2 内燃机运行状态下曲轴角振动模态阻尼比和固有频率的识别 |
| 2.1.3 多模态情况表达式 |
| 2.1.4 滚振的消除 |
| 2.1.5 内燃机运行状态下曲轴角振动振型识别理论 |
| 2.1.6 单谐次角振动"自消"模型下曲轴角振动振型识别公式简化 |
| 2.2 内燃机运行状态下曲轴角振动模态参数识别流程 |
| 2.2.1 各缸正常工作轴系测点的角振动幅频特性曲线的获得 |
| 2.2.2 共振转速下的模态振型识别 |
| 2.2.3 谐次的选择 |
| 2.3 仿真研究 |
| 2.3.1 某6240柴油机曲轴角振动模态参数识别 |
| 2.3.2 某8240柴油机曲轴角振动模态参数识别仿真 |
| 2.4 功率非均衡状况("自然工况")下曲轴角振动振型识别 |
| 2.4.1 某6240柴油机曲轴角振动振型的识别 |
| 2.4.2 某8240柴油机曲轴角振动振型识别 |
| 2.5 试验验证 |
| 2.5.1 试验方案 |
| 2.5.2 试验数据处理 |
| 2.5.3 某4缸机角振动振型识别 |
| 2.6 本章小结 |
| 第3章 内燃机轴系阻尼系数的识别 |
| 3.1 内燃机轴系扭转振动阻尼机理和测试方法 |
| 3.1.1 内燃机轴系扭转振动阻尼机理 |
| 3.1.2 柴油机轴系扭转振动阻尼测定方法 |
| 3.2 内燃机轴系阻尼问题研究现状 |
| 3.3 内燃机轴系阻尼系数识别理论 |
| 3.3.1 轴系阻尼系数计算公式推导 |
| 3.3.2 气缸当量外阻尼系数的识别原理 |
| 3.3.3 弹联或减振器阻尼系数识别理论 |
| 3.3.4 内燃机轴系阻尼系数识别流程 |
| 3.4 仿真研究 |
| 3.4.1 某6240柴油机轴系阻尼系数的识别 |
| 3.4.2 某8240柴油机轴系阻尼系数的识别 |
| 3.4.3 误差分析 |
| 3.5 试验验证 |
| 3.6 本章小结 |
| 第4章 基于曲轴角振动的内燃机工作状态监测和故障诊断 |
| 4.1 基于曲轴角振动振型特性的内燃机故障缸矢量诊断方法 |
| 4.1.1 基于曲轴角振动振型特性的内燃机单缸故障缸矢量诊断理论 |
| 4.1.2 仿真研究 |
| 4.1.3 试验研究 |
| 4.2 基于曲轴角振动的内燃机各缸做功均匀性诊断方法的完善 |
| 4.2.1 基于曲轴角振动的各缸做功均匀性诊断方法的完善 |
| 4.2.2 某6240柴油机各缸做功均匀性诊断仿真 |
| 4.3 本章小节 |
| 第5章 基于曲轴角振动的内燃机功率在线监测方法及其应用 |
| 5.1 内燃机功率测试方法概述 |
| 5.1.1 有负荷台架实验测功 |
| 5.1.2 无负荷在线测功 |
| 5.2 基于曲轴角振动的内燃机功率在线监测基本原理 |
| 5.2.1 谐次和振型特性选择 |
| 5.3 内燃机功率在线监测仿真研究 |
| 5.3.1 功率均衡状态柴油机功率的在线监测 |
| 5.3.2 功率非均衡状态下内燃机功率在线监测仿真研究 |
| 5.4 试验验证 |
| 5.5 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间发表的论文及科研成果 |
（9）机械噪声监测中盲信号处理方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 主要符号说明表 |
| 目录 |
| 第一章 绪论 |
| 1.1 课题概述 |
| 1.1.1 课题来源 |
| 1.1.2 课题意义 |
| 1.2 机械噪声监测与故障诊断研究现状综述 |
| 1.2.1 声学监测与诊断技术的发展 |
| 1.2.2 声学故障诊断技术的研究现状 |
| 1.3 盲信号处理技术综述 |
| 1.3.1 BSP理论研究现状 |
| 1.3.2 BSP在声学监测与诊断中的应用现状 |
| 1.3.3 研究现状的总结 |
| 1.4 本文的主要研究工作 |
| 第二章 卷积混合的盲分离方法研究 |
| 2.1 引言 |
| 2.2 盲信号处理的数学模型 |
| 2.2.1 瞬时混合模型 |
| 2.2.2 卷积混合模型 |
| 2.2.3 基于块的混合模型 |
| 2.3 机械声场的盲处理模型 |
| 2.3.1 机械声场的盲混合模型 |
| 2.3.2 机械噪声盲解卷积面临的问题 |
| 2.3.3 机械噪声盲解卷积的目标与方法 |
| 2.4 BSP的预处理方法 |
| 2.4.1 中心化 |
| 2.4.2 主分量分析 |
| 2.4.3 球化 |
| 2.4.4 多分辨率子带分解 |
| 2.5 基于聚类的卷积混合逐次提取方法研究 |
| 2.5.1 卷积混合的逐次盲提取算法 |
| 2.5.2 层次聚类技术 |
| 2.5.3 基于聚类的卷积混合逐次提取改进算法 |
| 2.6 时域盲解卷积的改进算法研究 |
| 2.6.1 EFICA算法 |
| 2.6.2 时域盲解卷积算法 |
| 2.6.3 基于遗传算法优化的盲解卷积改进算法 |
| 2.7 仿真研究 |
| 2.7.1 仿真一:三个冲击源的分离 |
| 2.7.2 仿真二:周期信号干扰时，两个冲击源的分离 |
| 2.8 应用实例 |
| 2.8.1 实例一:轴承外圈故障信号的提取 |
| 2.8.2 实例二:轴承内圈故障特征的增强 |
| 2.9 本章小结 |
| 第三章 基于块模型的盲解卷积方法研究 |
| 3.1 引言 |
| 3.2 基于块模型的盲解卷积方法框架 |
| 3.3 基于块模型和分量优选的盲解卷积方法研究 |
| 3.3.1 FastICA算法 |
| 3.3.2 距离的测度 |
| 3.3.3 模糊C均值聚类技术 |
| 3.3.4 独立分量的优选方法 |
| 3.3.5 基于块模型和优选的盲解卷积算法 |
| 3.4 带参考信号的盲解卷积方法研究 |
| 3.4.1 参考信号的生成 |
| 3.4.2 带参考信号的盲解卷积算法 |
| 3.5 仿真研究 |
| 3.6 应用实例 |
| 3.7 本章小结 |
| 第四章 盲解卷积的工程应用问题研究 |
| 4.1 引言 |
| 4.2 单一观测信号的盲解卷积方法研究 |
| 4.2.1 欠定问题的概述 |
| 4.2.2 单一观测信号的盲解卷积算法 |
| 4.3 带源数目估计功能的盲解卷积增强方法研究 |
| 4.3.1 FCM参数自适应算法 |
| 4.3.2 带源数目估计的盲解卷积增强算法 |
| 4.4 仿真研究 |
| 4.5 应用实例 |
| 4.5.1 实例一:近距离测量，语音干扰下，轴承外圈故障声信号提取 |
| 4.5.2 实例二:远距离测量，轴承外圈故障声信号的提取 |
| 4.6 本章小结 |
| 第五章 基于MATLAB的机械噪声盲信号处理系统 |
| 5.1 引言 |
| 5.2 ABD-BSPTool的功能设计 |
| 5.3 ABD-BSPTool的通用模块分析 |
| 5.4 ABD-BSPTool的算法工具箱模块分析 |
| 5.5 ABD-BSPTool的系统实现 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文总结 |
| 6.2 主要创新点 |
| 6.3 研究展望 |
| 致谢 |
| 参考文献 |
| 附录A 旋转机械振动及故障模拟试验平台与数据采集 |
| 附录B 攻读博士学位期间主持和参与的项目及获得奖励 |
| 附录C 攻读博士学位期间发表与录用的论文 |
（10）汽车发动机故障诊断方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究的目的和意义 |
| 1.2 汽车发动机故障诊断技术的研究现状及发展趋势 |
| 1.3 发动机故障诊断的传统研究方法 |
| 1.4 论文主要研究内容 |
| 第二章 汽车柴油发动机典型故障分析 |
| 2.1 引言 |
| 2.2 汽车柴油发动机典型结构 |
| 2.3 汽车柴油发动机的典型故障 |
| 2.3.1 曲柄连杆机构故障 |
| 2.3.2 配气机构故障 |
| 2.3.3 气缸故障 |
| 2.3.4 活塞故障 |
| 2.4 汽车发动机典型故障定性分析 |
| 2.4.1 曲柄连杆机构典型故障定性分析 |
| 2.4.2 配气机构典型故障定性分析 |
| 2.4.3 气缸典型故障定性分析 |
| 2.4.4 活塞典型故障定性分析 |
| 2.5 本章小结 |
| 第三章 泰拖拉发动机振动测试 |
| 3.1 振动测试仪器选择 |
| 3.2 振动传感器现场布置方案 |
| 3.2.1 传感器测点的选择要求 |
| 3.2.2 传感器的现场布置 |
| 3.3 振动数据采集 |
| 3.4 本章小结 |
| 第四章 汽车柴油发动机振动信号特征提取方法研究 |
| 4.1 引言 |
| 4.2 时域分析法 |
| 4.2.1 时域统计分析 |
| 4.2.2 相关分析 |
| 4.3 频域分析法 |
| 4.4 时频分析法 |
| 4.4.1 小波包分析 |
| 4.5 发动机故障诊断中小波基的选择 |
| 4.6 本章小结 |
| 第五章 汽车柴油发动机故障诊断研究 |
| 5.1 引言 |
| 5.2 发动机故障诊断流程 |
| 5.3 发动机故障相关分析 |
| 5.4 发动机故障时域特征分析 |
| 5.5 发动机故障频域特征分析 |
| 5.6 发动机故障小波包分析 |
| 5.7 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 详细摘要 |
四、柴油机敲缸故障的振动诊断法（论文参考文献）
- [1]内燃机各缸功率损失的代理模型诊断方法研究[J]. 张艺宝,黄燕,王群,闫兵. 机械设计与制造, 2020(08)
- [2]基于非线性轴系扭振的内燃机多工况故障诊断方法研究[D]. 叶磊. 西南交通大学, 2020(07)
- [3]基于响应面模型的内燃机作功状态角振动识别方法研究[D]. 张艺宝. 西南交通大学, 2018(09)
- [4]挖掘机远程状态监测与故障诊断系统研究[D]. 乔卉卉. 石家庄铁道大学, 2016(02)
- [5]船舶柴油机智能诊断技术与应用研究[D]. 肖小勇. 武汉理工大学, 2013(S2)
- [6]柴油机典型故障特征提取与诊断研究[D]. 宋震. 天津大学, 2013(01)
- [7]基于振动分析的发动机故障诊断实用方法研究[D]. 秦荣. 华南理工大学, 2011(12)
- [8]内燃机曲轴角振动模态识别方法的研究及应用[D]. 华春蓉. 西南交通大学, 2011(03)
- [9]机械噪声监测中盲信号处理方法研究[D]. 王宇. 昆明理工大学, 2010(07)
- [10]汽车发动机故障诊断方法研究[D]. 屈峰. 大庆石油学院, 2007(02)