吕琛[1]2002年在《基于噪声分析的内燃机主轴承状态监测与故障诊断》文中指出故障诊断技术对于减少生产实践中机械设备事故的发生，降低由此造成的经济损失意义重大。多年来科研人员在此领域进行了大量的研究工作，取得了很多宝贵的成果；本文在认真研究与总结前人成果的基础之上，从理论分析与实验研究等方面对故障诊断的测试手段与诊断方法这两个领域进行了研究。 本文的主要工作为2100型柴油机的主轴承磨损故障诊断与状态监测。内燃机往复式活塞和曲柄连杆机构的运动方式，决定了它具有冲击特点的工作过程，并且在实际应用中这种过程还是变工况的，它所产生的振动与噪声信号十分杂乱，不像旋转机械那样具用简洁的频谱特征。其内部的故障信号往往被淹没在正常的工作信号中而难以发现，所以，如何在杂乱的工作信号中提取表征故障的特征参数，是状态监测与故障诊断的关键所在。 首先，本文在振动测试方法已较成熟的基础上，提出了采用机体外噪声测量的方法来采集含有主轴承磨损故障信息的噪声信号，避免了主轴承振动测量中，需要将机体拆卸来安装加速度传感器，以及需要选择好传感器位置的麻烦。采用噪声测量方法具有易于现场测试、及时性强、测量方便的特点。作者通过调整主轴瓦的间隙状态来模拟内燃机实际工作中的间隙磨损状态，测得各磨损状态下的噪声信号。在数据的处理方面，提出了阶次这一特征分量在机械故障诊断中的作用，以及其原理和各种具体实现方法。而时域同步平均可以有效衰减与回转频率无关的干扰，提取与工作状态直接相关的周期信号。在比较几种传统方法后，提出了采用高速数字信号处理器DSP电路和插值算法来进行噪声信号的时域同步平均处理。克服了基于锁相环电路采样方法跟踪精度低、速度慢和使用不便的缺点。 在故障特征频率提取方面，提出了采用基于噪声和正交小波分析检测主轴承磨损故障的一种新方法。利用小波分析将测得的机体噪声信号变换到时频域，选择合适的频带加以提取并进行包络谱分析提取包含特征频率的包络，通过分析提取后的0.5倍频和2倍频分量，发现两个特征频率可准确反映主轴承的磨损状况。并说明了这种方法的有效性和应注意问题。将各个磨损间隙状态下得出的特征频率幅值送入建立好的神经网络模型进行训练后，得出了可辨别各故障状态的网络模型。 此外，在诊断理论方面，本文提出了新的内燃机故障诊断方法—基于小波包和图像处理的诊断方法。首先对噪声信号进行小波包分解，得到含有待诊断柴油机主轴承间隙故障信息的噪声信号时频分布图，并由此定义图像。然后对图像进行平均，得到主轴承在不同间隙状态下的“标准”时频分布图，建立了柴油机主轴承间隙图像匹配的故障诊断模型，匹配时所用的参数为两幅图像之间的欧氏距离。结果表明此方法简单有效，充分利用了噪声信号及其小波包分解所包含的状态信息，为内燃机的状态监测与故障诊断开辟了一条新的途径。 在上述故障诊断理论与测试手段的基础上，编写了基于局域网的机械故障诊断与状态监测软件。软件功能包括了服务器和客户端的信号采集与监测、数字滤波、FFT谱分析、包络谱分析、小波分析、小波包分析、神经网络训练与模式识别、数据库管理、网络通信等模块。其中客户端除了采集信号外，其它的一切功能(信号处理与分析、故障识别)均提交到服务器处理；即实现“瘦客户机”的概念。数据采集模块可同时对多路振动、噪声、温度、压力等信号进行采集。程 大连理工大学博＿士学位论文序还特别加强了噪声采集的功能，除了通过声级计采集噪声外，还编制了利用计算机声卡进行采集的模块，噪声采集中可对噪声自适应地按照分贝级采集并存储为各种格式的音频文件或数据文件。在各种信号的监测中，可以实时地监测多路数据、定制显示范围、查看数据值。同时增加了色带报警与自定义语音报警模块。 基于上述软件，本文提出了基于Web的远程设备监测与维护系统。虽然现在有许多成功的基于Web的应用，但是专门为设备维护设计的基于Web的系统很少。一个主要的原因是开发这样一个系统存在许多困难，因为它包括大型数据库、信号处理、设备监测和实时数据通信。更重要的是同时具有设计基于Web虚拟仪器和故障诊断经验的专家很少。然而，基于Web的虚拟仪器的益处是明显的，用于设备监测和分析的昂贵硬件仪器可以被低廉的基于软件的虚拟仪器代替。通过在Internet服务器上安装虚拟仪器，当前用于工厂的冗余仪器可以精简到最小。因为每种虚拟仪器只有一套拷贝安装在服务器上，所以维护工作变得简单。通过Web的交互式维护变得容易。本文给出了这样一套基于Web的维护系统的设计框架。它包括：远程数据传感和记录，采用虚拟仪器的信号处理与分析、智能故障诊断、以及Web交互式维护平台。整个平台可以采用跨操作系统的JAVA语言OSP、JavaBean、JavaApplet、JDBC）或 MATLAB Web Server来设计虚拟仪器和诊断数据库等模块。 最后本文中提出利用包含有故障信息的原始模拟信号（振动加速度传感器信号、精密倍频程声级计输出的噪声信号）经过前置信号处理和神经网络运算，得出VLSI电路输?
杜灿谊[2]2013年在《基于建模仿真与振动分析的发动机故障诊断方法研究》文中进行了进一步梳理汽车发动机结构越来越复杂，安装精度要求也越来越高。在不拆检的情况下，如何判断出故障的类型和位置，是目前研究的重点和难点。研究发动机故障时，往往需要测量故障状态下的相关参数变化情况，了解故障信息并提取故障特征，但是并不轻易具备收集各种故障信息的条件，而靠人为方法设置发动机故障，往往会导致发动机严重的损伤和破坏，试验成本很高，限制了发动机故障诊断的深入研究。针对发动机故障诊断技术研究存在的不足，首次通过建模仿真和实验对发动机整机进行典型故障机理、特征提取和诊断方法研究。利用有限元与多体动力学联合建模，计算结果更精确可靠；通过模型进行了多种类型的故障仿真，从激励力变化这一内在因素分析机体表面振动响应变化，深层次了解故障引起的机体异常振动成因和特性，通过模型正常状态和故障状态的机体表面振动信号变化趋势分析来提取故障特征,为发动机故障诊断研究提供一种新方法。利用多体动力学和有限元技术建立高质量标杆发动机仿真模型，通过相关参数设置，分别模拟发动机失火故障、气门间隙大、凸轮轴承松脱、活塞敲缸和主轴承磨损等故障，从机理上进行了分析，提取了相应故障特征，得到了相关实验验证。提出了应用小波包分解与解调方法来提取气门间隙过大和凸轮轴松脱故障的故障特征。利用发动机仿真模型进行了气门间隙大和凸轮轴承松脱的故障仿真分析，发现由于气门间隙增大，导致气门落座力、凸轮轴承力的增大，这些增大的冲击力使缸盖振动响应时域信号在一个工作循环内出现3个明显冲击，在频谱上激发起中高频频段内的显着振动能量。利用小波包分解到此特征频段后再解调，故障状态的解调谱中出现明显的1.5阶次成分；而对于凸轮轴松脱故障，用相同方法可得到故障状态下解调谱的0.5阶次的明显增大。从理论上说明了此种类型故障具有明显的中高频调制现象，为故障特征提取和故障诊断研究提供有力参考。通过仿真分析发现活塞敲缸故障会激发2500Hz以上高频段振动能量的加剧，提出故障状态与正常状态的小波包分解总能量比随转速变化趋势作为依据进行故障诊断的方法；通过对主轴承间隙过大造成主轴承反力的波动变化，解析了此类故障引起200~1000Hz中低频段振动能量增加的原因，为此类故障诊断研究提供理论依据。
匡剑[3]2008年在《内燃机故障诊断数据采集与处理系统开发》文中提出内燃机作为移动式和固定式动力装置,在工农业生产和人民生活中所起的作用越来越大,由于其工作条件比较恶劣,发生故障的可能性也较大,而且其发生故障后,将会影响整个机械系统的正常运转,直接或间接地造成巨大的损失。因此保证内燃机可靠工作是非常重要的。由于内燃机复杂的结构、强烈的冲击干扰、以及工作的非平稳性等工作特点,成为影响因素最复杂、故障诊断最困难的设备之一。其信噪分离、数据处理及诊断准则自适应性等方面难度较大,必须用专门的数据处理软件进行分析。因此,本文在前期研究的基础上,以内燃机故障诊断为目标,开发了一套适用于非平稳信号、具有现代联合时频分析功能的数据采集与处理系统。内燃机所产生的信号是典型的非平稳时变信号,本文所开发的针对非平稳信号的处理系统由信号采集与信号处理两部分组成。信号采集系统的主体部分为两款型号不同的数据采集卡,型号分别为USB2080和UDAQ20612。这两款采集卡均为外购硬件,USB2080采集卡的数据采集程序由作者编制并集成到系统中,UDAQ20612采集卡的采集程序由供应商提供,但为保证数据格式的一致,作者编制数据转化程序并集成到系统中,并实现系统调用其采集功能。信号处理系统主要包括传统傅立叶分析、功率谱分析、滤波功能及针对非平稳信号的短时傅立叶变换、小波分析等现代联合时频分析功能。系统采用Borland C++Builder与Matlab实现人机界面的设计原则与方法,并应用软件编程、开发了图文并茂、外形美观的人机交互界面。由于本论文所用数据为西南交通大学秦萍教授等人以前采集的S195-2柴油机主滑动轴承声发射试验数据,为验证本文开发的信号采集程序的正确性,本文使用该信号采集程序对列车进出火车站轮轨冲击所产生的非平稳振动噪声信号进行了实地数据采样与分析,通过对不同样本长度信号(如短样本长度的冲击振动噪声和长样本长度的噪声普查数据)的分析,验证了本文所开发采集系统的正确性与实用性。另外利用本文开发的数据处理程序对S195-2柴油机主滑动轴承的声发射试验数据进行了分析处理及故障诊断,结果表明,本文所开发的系统较好的诊断出S195-2柴油机主滑动轴承磨损故障发生、发展的连续完整过程的特征,从而验证本信号处理系统的正确性和实用性。
韩军[4]2004年在《内燃机的非平稳信号分析方法及其噪声源小波识别技术的研究》文中研究说明内燃机是动力、交通、舰船、石化等国民经济重要领域的关键设备。随着全球范围内环保要求的日益提高,内燃机的噪声控制已成为目前国内外的热点研究问题。解决内燃机的噪声控制问题首先必须在内燃机上找到最大噪声辐射的部位或部件,即主要的噪声源,然后针对主要噪声源的声源特性采取相应的措施,才能够收到预期的效果。目前的研究已经表明,从内燃机表面辐射的声信号中包含有大量的振动噪声源信息。但是由于内燃机复杂的机械结构及能量转换过程所导致的复杂多激励、非稳态和非线性的多重耦合系统特性,使得采用传统的信号分析理论及方法难以完全适用于对一些有用信息进行捕捉和深入分析,因而有关的研究和应用也受到了很大的限制。本文在分析国内外研究现状的基础上,围绕几个难点问题进行了深入和系统的理论和方法研究,并在工程问题进行了实际应用。其中主要内容如下:1.对内燃机的基本动力学特性进行了系统全面的分析与介绍。通过缸内燃烧气体波动方程的建立和求解,揭示了这一主要冲击激励源的瞬态振荡特性和变化规律;通过发动机内不同性质的激励源机理和路径特征分析,建立了切合实际的冲击响应结构模型,为整机的动力响应分析和实用噪声源识别方法研究奠定了理论基础。2.讨论了声强法的物理意义及其在声场分析和声源识别中的作用,并利用试验仪器建立了声强测量系统。基于先进的试验分析设备,分别对YC6108G 型柴油机、JX493ZQ 型柴油机、WD615 型柴油机和一辆中型乘用车进行了声强在噪声源识别和声场分析中的应用研究。3.由于采集到的内燃机的声信号具有非平稳特性,而传统的基于傅里叶变换的分析方法由于其局限性,不能完全适合于分析非平稳信号,也很难揭示信号更多的本质特征。相对于傅里叶变换而言,小波变换在非平稳信号分析方面具有很多独特优点。本文首先对傅里叶变换,短时傅里叶变换和小波变换进行了比较介绍,分析了它们各自的特点,并详细讨论了小波变换的一些问题。包括集中性和小波函数中心频率对分辨率的影响等,还给出了如何确定小波变换中最大和最小尺度参数的方法。
袁希昌[5]2006年在《船舶机舱视情维修系统的技术基础与应用设计》文中研究说明随着科学技术的日新月异,造船技术也不断发展。船用机电设备的自动化,智能化水平不断提高,其技术含量和复杂程度也大大增加,这对维护人员的素质及原有的维修体制都提出了严峻的挑战。多年来,我国航运企业一直在实行以时间为基础的预防性维修体制。随着技术进步,这种维修体制的弊病变得显而易见:一方面,定期维修在机电设备各部件均处于日常工作,在相对良好的运行工况下进行,而此时可能设备根本不需要维修,从而造成人力物力的浪费;另一方面,在定期维护的间隔中,如果这些设备没有先进的监测手段作保证,重大事故隐患难以发现,同样会造成重大损失。 本论文从应用工程的角度,以某船务公司一艘在建四万吨级远洋散货轮为背景,通过全面分析融合了众多知识领域和先进技术的自动检测与智能诊断技术的特点及现状,将其与船舶机舱设备的功能及运行特点进行有机结合,利用计算机、网络通信和人工智能等新技术的优势特点,设计一套安全可靠、高效稳定、符合船级社建造规范的船舶机舱视情维修系统。 该维修系统以设备的在线状态监测和故障诊断为基础,对设备的工作情况进行实时在线监视,将获得的数据与已经建立的设备运行的历史数据进行时时比较并做出判断,在发现某些性能指标变差或者数据异常时发出警报,帮助维护人员及时发现设备的故障征兆和隐患,在故障尚未出现时进行维护,以防止重大事故的发生。这种维修方式可以最大限度地克服传统维修方式带来的过剩维修以及由于轮机人员知识经验不足、个人管理差异带来的错误和不合理维修现象,从而实现运营船舶的合理维修、科学维修,达到避免重大损失,减少运营成本,提高运输企业竞争力的目的。
牛群峰[6]2007年在《压缩机智能状态监测理论与应用研究》文中研究指明随着自动化技术的提高，压缩机越来越普遍运用到各行各业，在其运行过程中若出现异常状况或发生突发故障，将导致生产线或生产设备停机，造成重大经济损失，严重的甚至造成爆炸，对企业的人员和设备造成严重破坏后果。因此，研究压缩机状态监测方法和理论，并建立起完善的压缩机状态监测系统十分必要。本文结合某压缩机公司的实际需要，对压缩机智能状态监测理论和方法进行了研究和应用。首先在对容积式压缩机的工作原理和基本结构进行研究的基础上，分析了压缩机的典型故障模式，通过对压缩机状态信号的分析，将压缩机故障模式与状态信号联系起来，为压缩机状态监测的研究奠定了理论基础。设计了压缩机状态监测试验平台，为后续压缩机状态监测的研究提供实现途径。建立了智能状态预测模型，提出采用BP网络预测模型和ARIMA组合预报模型对压缩机热力学参数和电气参数进行状态监测研究，并在某压缩机运行现场进行了模型验证与应用。对小波理论进行了研究，提出将离散小波变换应用于压缩机压力脉动信号状态特征提取中，获得了反映压缩机工作状态的特征参数—小波分解高频系数，为压缩机的状态监测提供了一种新的方法途径。对信号的消噪原理和振动参量转换算法进行了研究，提出采用小波包消噪法和分周期积分法应用于压缩机振动信号预处理中，提高了压缩机状态监测的振动信号精度。结合应用实例探讨了压缩机频响特性的测试方法，设计了虚拟仪器式频响特性测试系统。提出了两种基于振动信号时频分析的压缩机状态监测新方法—连续小波尺度能量谱监测法和离散小波分频带能量监测法，在理论研究的基础上进行了实际应用。研究了噪声信号的采集方法，设计了噪声信号分析虚拟仪器系统。对压缩机噪声源进行了理论分析，提出采用多工况测试和1／3倍频程的方法来分析压缩机噪声分布特性。探讨了采用连续小波识别压缩机噪声源的方法。最后，对盲源分离理论进行研究，并应用于压缩机噪声信号监测中。建立了压缩机在线监测和故障诊断的多传感器信息融合系统结构。对决策级融合方法中的D-S证据理论进行了研究，并采用DSET融合诊断模型实现了多判据融合技术，对压缩机信息融合算例进行了分析。根据压缩机在线监测的发展与要求，采用虚拟仪器的设计思想，将智能状态监测理论和方法的研究结果进行了应用，设计了一套完整的压缩机状态监测系统，对系统进行了总体、软硬件设计与现场运行，取得满意的效果，验证了本文研究的新方法和新理论的有效性和实用性。
唐娟[7]2007年在《柴油机振动信号特征参数提取方法及缸内压力信号重构方法的研究》文中进行了进一步梳理近年来，柴油机故障诊断技术在国内外得到了较大的发展，这不仅降低了柴油机故障发生率，也减小了巨大的经济损失。本文在总结和汲取别人研究成果的基础上，结合实际课题要求，以振动信号和缸内压力信号作为故障诊断基础，引入多种信号分析方法，从柴油机表面振动信号以及缸内压力信号中获取故障特征信息，有效实现了柴油机故障诊断。首先，从柴油机表面振动信号产生的激励源出发，论述了柴油机主要激励源、表面振动信号及它们之间的关系，分析了表面振动信号的传递途径，为柴油机故障诊断提供理论依据。然后，在实验台架上模拟了气门间隙异常、气门漏气、喷油压力变化以及喷油提前角变化四种柴油机故障，测量了缸盖振动信号、缸内压力信号和瞬时转速信号。由于振动信号为非平稳时变信号，因此，对振动信号进行分析时，采用了以小波分析为主、时域分析和频域分析为辅的方式。首先，为提高信号的信噪比，采用了小波降噪技术对信号进行了处理，然后利用小波包分解技术，将信号分解为不同频带上的时域信号，获得缸盖振动信号的时频域特征参数，再结合时域分析法和频域分析法，得出不同柴油机状态下缸盖振动信号特征参数。将时频域特征参数和时域、频域特征参数相结合，得出不同故障状态下缸盖振动信号特征参数的变化规律，为实现故障监测提供实验依据。同时，柴油机缸内压力是缸内燃烧过程的结果，也是能量从热能向机械能转换的基础，通过对缸内压力曲线的分析可以对柴油机工作状态做出判断，因此，本文利用时域分析法得出了不同故障下缸内压力信号特征参数。通过缸内压力信号和缸盖振动信号特征参数的综合分析判断柴油机故障，提高柴油机故障诊断正确率。最后，课题对缸内压力信号重构方法进行了研究。目前缸内压力信号多采用直接测量法获得，但直接测量法受到诸多条件的限制，不适于柴油机在线监测，而间接测量法既方便又经济，因此，利用间接测量法获得缸内压力信号有很大的研究价值。目前，间接测量法有瞬时转速法和振动法，课题根据缸盖振动信号、瞬时转速信号和缸内压力信号之间的非线性关系，采用了非线性拟合度较好的BP神经网络建立重构缸内压力信号的模型。通过对瞬时转速信号时域法及频域法和振动信号时域法及频域的对比，得出了四种方法各自的优缺点，并提出了利用振动信号和瞬时转速信号相结合重构缸内压力信号的方法，该方法弥补了前四种方法的不足。最后通过比较最大压力、平均指示压力、最大压力升高率等参数来评价重构信号的优劣，结果表明将振动信号和转速信号相结合重构缸内压力信号效果较好。
吕琛, 王桂增[8]2005年在《基于时频域模型的噪声故障诊断》文中进行了进一步梳理为了避免传统的基于振动信号的内燃机主轴承磨损故障诊断中安装传感器以及提取故障特征频率的麻烦,采用一种基于内燃机工作噪声信号和时频域分析的方法。首先讨论了对内燃机噪声信号进行小波包络谱分析,得到可以判断主轴承磨损故障的特征频率。然后,进一步阐述了采用噪声信号小波包分解,可得到包含更多故障信息时-频分布图。基于此,运用图像处理技术建立基于图像匹配的内燃机主轴承诊断模型。结果表明此方法简单有效,充分利用了故障信息。
马军[9]2016年在《往复式高压隔膜泵单向阀状态监测及故障诊断研究》文中研究指明大型往复式高压隔膜泵是长距离、高扬程、高浓度矿浆管道输送的核心动力设备,它的工作状态直接影响企业生产效率。单向阀作为泵的核心机械零部件之一,需具有良好的快开、快关、密封性及承压性,比泵的其他部件更容易出现故障。此外,单向阀的运行状态与输送矿物的粒径级配、浆体流变特性、输送压力、泵的固有材质属性及安装等密切相关,致使单向阀的故障具有突发性、并发性、多源性、非平稳性和非线性等特点,大大增加了单向阀状态监测和故障诊断的难度。因此,从单向阀振动信号分析入手,选取有效的特征提取及故障诊断方法是单向阀运行状态监测及故障诊断研究的核心内容,具有重要理论研究价值及经济意义。本文围绕单向阀状态监测及故障诊断开展了如下研究工作：(1)提出了一种基于局部均值分解(Local Mean Decomposition, LMD)和包络解调的单向阀故障检测方法。单向阀故障振动信号通常表现为复杂的调幅调频信号,使得利用包络解调方法提取单向阀故障特征频率成为可能。但是,单向阀受环境噪声、耦合工况及其他激励源干扰等影响,其振动信号表现出明显的非线性,直接对其进行包络解调无法获得理想的效果。因此,提出基于LMD和包络解调的单向阀故障检测方法,先利用LMD将信号分解为一系列纯调幅调频信号——乘积函数(Production Function, PF);进而对PF分量进行包络解调以完成单向阀故障检测。(2)提出了一种基于多域混合特征极限学习机(extreme learning machine, ELM)的单向阀故障诊断方法。针对单一域特征无法完全描述单向阀运行状态、支持向量机(Support Vector Machine, SVM)和BP神经网络等模型优化参数多、速度慢等问题,结合多域混合特征和ELM的优势,提出基于多域混合特征ELM的单向阀故障诊断方法。提取单向阀振动信号时域、频域、小波域、TK (Teager Kaiser)域特征构建多域混合特征集,并引入核主元分析(Kernel Principal Component Analysis, KPCA)方法进行多域混合特征集的二次特征提取,消除特征冗余。最后基于二次特征提取后的多域混合特征集建立单向阀ELM故障诊断模型,完成单向阀故障诊断。(3)提出了一种基于小波包能量熵和模糊核极限学习机(fuzzy kernel extreme learning machine, F-KELM)的单向阀故障诊断方法。在讨论复杂非线性振动信号、样本分布不均衡及ELM隐含层神经元个数对ELM分类性能影响的基础上,引入小波包能量熵、核函数、模糊隶属函数建立小波包能量熵和模糊核极限学习机的故障诊断模型。通过滚动轴承和单向阀的实验对比分析,证实了方法能有效解决上述难题,提高了模型分类性能及泛化能力。(4)提出了一种基于多核代价敏感极限学习机(multi-kernel cost sensitive extreme learning machine, MKL-CS-ELM)的单向阀故障诊断方法。针对单一核函数分类器无法完全诠释分类决策函数、分类代价均等的不合理假设及样本分布不均衡对分类器影响严重等问题,引入多核函数和代价敏感学习机制,建立基于多核代价敏感极限学习机的故障诊断模型(MKL-CS-ELM)。并通过滚动轴承和单向阀二分类和多分类故障诊断的对比实验分析,方法取得与多核代价敏感支持向量机(multi-kernel cost sensitive support vector machine, MKL-CS-SVM)相当的处理效果,并继承了ELM时间消耗少的优点,提高了方法的实用性。同时,方法引入鲁棒性指标对代价敏感处理方法的效果进行评判,为代价敏感处理方法的选取提供了依据。(5)完成单向阀状态监测及故障系统的研发及测试。基于C#和Matlab混合编程模式,完成了单向阀状态监测及故障诊断系统开发。选取云南大红山铁精矿管道输送高压隔膜泵作为测试对象,采集单向阀整个生命周期的振动信号,完成单向阀运行状态监测及故障诊断系统测试。本文以矿浆管道输送大型往复式高压隔膜泵单向阀为研究对象,完成其状态监测与故障诊断方法的探索研究及系统开发,丰富了往复式机械设备的故障诊断研究理论,推动了往复式机械设备的故障诊断技术的应用及发展。
金岩[10]2007年在《基于小波变换与独立分量分析的内燃机振声特性研究》文中研究指明随着人们对车辆NVH(Noise Vibration and Harness)性能要求的不断提高，内燃机的振动噪声问题也逐渐成为国内内燃机学科研究的热点问题和重要方向。以有限元、边界元以及多体动力学为代表的数值计算方法逐渐成为预测和解决内燃机结构噪声辐射问题主要手段。另一方面，如何准确、快捷的识别内燃机的主要噪声源是内燃机噪声控制的重要前提。内燃机振动的多激励性和各种激励的时变性使其外在表现出的振动噪声现象非常复杂。传统的数学工具在描述内燃机的振动噪声特性上都有一定的局限性。近些年来，数字信号处理技术的迅速发展为内燃机振动噪声信号分析提供了更加丰富的手段。本文在国内外研究现状的基础上，研究了利用声强测试技术、小波变换技术和独立分量分析等现代信号分析方法在内燃机振声信号分析以及主要噪声源识别上应用的问题，主要内容如下：1研究了内燃机振动噪声现象的主要产生机理，揭示了内燃机噪声辐射的主要激励源，以及振动在内燃机结构内部的传递路径。激励的时变性和传递路径的时变性决定了其振动噪声信号的非平稳性特征。回顾了内燃机主要噪声源的识别方法。2回顾了声强测试技术双传声器法的基本原理和主要误差来源。在Fourier变换的基础上，利用声强测试技术对WD415柴油机和ZH1130柴油机以及某125摩托车噪声源频率的特性进行了分析，识别出主要噪声源。为噪声控制工程提供了可靠依据。3介绍了小波变换技术的原理，建立了内燃机噪声信号的小波变换分析模型。利用Complex Morlet小波对WD415和ZH1130柴油机噪声信号的时频特性和空间分布规律进行了研究。并根据声信号的尺度—能量谱和小波系数的欧氏空间距离识别了ZH1130柴油机的主要噪声源。建立了瞬时声强小波变换的数学模型，并应用于柴油机噪声特性的研究。4介绍了独立分量分析方法的原理以及其在工程上的应用。建立了内燃机声振信号的并行独立分量分析模型。利用FastICA算法对ZH1130柴油机的声振信号进行了分析研究，将振动噪声信号分解成几个独立分量。利用小波分析，相关分析等手段对各独立分量进行了确定。5在独立分量分析的基础上，利用内燃机振动噪声信号的燃烧分量和ARMA模型建立了内燃机气缸压力重构模型，对ZH1130柴油机的气缸压力进行了成功的重构。
参考文献：
[1]. 基于噪声分析的内燃机主轴承状态监测与故障诊断[D]. 吕琛. 大连理工大学. 2002
[2]. 基于建模仿真与振动分析的发动机故障诊断方法研究[D]. 杜灿谊. 华南理工大学. 2013
[3]. 内燃机故障诊断数据采集与处理系统开发[D]. 匡剑. 西南交通大学. 2008
[4]. 内燃机的非平稳信号分析方法及其噪声源小波识别技术的研究[D]. 韩军. 天津大学. 2004
[5]. 船舶机舱视情维修系统的技术基础与应用设计[D]. 袁希昌. 大连海事大学. 2006
[6]. 压缩机智能状态监测理论与应用研究[D]. 牛群峰. 南京理工大学. 2007
[7]. 柴油机振动信号特征参数提取方法及缸内压力信号重构方法的研究[D]. 唐娟. 山东大学. 2007
[8]. 基于时频域模型的噪声故障诊断[J]. 吕琛, 王桂增. 振动与冲击. 2005
[9]. 往复式高压隔膜泵单向阀状态监测及故障诊断研究[D]. 马军. 昆明理工大学. 2016
[10]. 基于小波变换与独立分量分析的内燃机振声特性研究[D]. 金岩. 浙江大学. 2007