拖拉机发动机电气故障诊断方法研究——基于信号瞬态成分稀疏表示方法
|
摘要
由于拖拉机发动机工作时的噪声较大,其故障信号较难采集,而电气信号的输出较为平稳,因此可以通过电气信号的特征提取来诊断发动机的故障。发动机电气的故障信号一般是特征较为明显的瞬态信号,有多种检测方法,信号的特征不同,各种方法的检测性能也会存在差异。本次提出了一种基于小波和稀疏表示的瞬态信号检测方法,并搭建了虚拟仪器平台对发动机的故障信号进行了检测。结果表明:采用小波和信号成分稀疏表示可以成功地提取发动机电气故障的瞬态信号特征,然后将信号特征和经验特征进行比对,便可以判断发动机电气的故障类型,为拖拉机发动机故障诊断的研究提供了重要的数据参考。
Because the noise of the tractor engine is larger,the fault signal is difficult to collect,and the output of the electrical signal is more stable,so it can be extracted by the characteristics of the electrical signal to diagnose the engine fault.The fault signals of engine electric are usually transient signals with distinct characteristics. There are many methods to detect transient signals. The characteristics of the signals are different,and the detection performance of various methods will be different. It proposed a transient signal detection method based on Wavelet and sparse representation,and built a virtual instrument platform to detect the engine fault signal. The test results show that it can successfully extract the transient signal characteristics of the engine electrical fault by using the sparse representation of wavelet and signal components,and then compare the signal characteristics with the empirical characteristics,then the type of engine electrical fault can be judged,and the important data reference is provided for the research of the tractor engine fault diagnosis.
Because the noise of the tractor engine is larger,the fault signal is difficult to collect,and the output of the electrical signal is more stable,so it can be extracted by the characteristics of the electrical signal to diagnose the engine fault.The fault signals of engine electric are usually transient signals with distinct characteristics. There are many methods to detect transient signals. The characteristics of the signals are different,and the detection performance of various methods will be different. It proposed a transient signal detection method based on Wavelet and sparse representation,and built a virtual instrument platform to detect the engine fault signal. The test results show that it can successfully extract the transient signal characteristics of the engine electrical fault by using the sparse representation of wavelet and signal components,and then compare the signal characteristics with the empirical characteristics,then the type of engine electrical fault can be judged,and the important data reference is provided for the research of the tractor engine fault diagnosis.
引文
[1]沈路,周晓军,刘莉,等.形态小波降噪方法在齿轮故障特征提取中的应用[J].农业机械学报,2010,41(4):217-221.
[2]张登攀,袁银南,杜家益,等.车用发动机停缸模式下转速波动仿真[J].农业机械学报,2010,41(2):25-28.
[3]李逃昌,胡静涛,高雷.基于模糊自适应纯追踪模型的农业机械路径追踪方法[J].农业机械学报,2013,44(1):205-210.
[4]袁春飞,姚华,刘源.基于机载自适应模型的航空发动机控制[J].推进技术,2006,27(4):354-358.
[5]王仲生,何红,陈钱.小波分析在发动机早期故障识别中的应用研究[J].西北工业大学学报,2006,24(1):68-71.
[6]曹建军,张培林,张英堂,等.基于提升小波包变换的发动机缸盖振动信号特征提取[J].振动与冲击,2008,27(2):34-38.
[7]张永光,张晓蕾,徐健健. DM642图像数据传输的实现和优化[J].科学技术与工程,2007,9(17):4484-4486.
[8]杜巧连,张克华.基于自身振动信号的液压泵状态监测及故障诊断[J].农业工程学报,2007,23(4):120-123.
[9]徐礼超.基于Lab VIEW的发动机振动测试系统的开发[J].农机化研究,2007,29(12):176-179.
[10]陈磊,韩捷,孙俊杰,等.基于ARM和CPLD的振动信号采集系统设计[J].机床与液压,2011,39(7):55-57.
[11]赵艺,陆超,韩英铎,等.基于改进无模型自适应控制算法的发电机广域阻尼控制器设计[J].清华大学学报:自然科学版,2013,53(11):1645-1652.
[12]裴新才,许同乐.小波分析在轴承故障特征信号降噪中的应用[J].山东理工大学学报:自然科学版,2011,25(2):89-91.
[13]贾继德,陈剑,邱峰.一种适用于非平稳、非线性振动信号分析方法研究[J].农业工程学报,2005,21(10):9-12.
[14]吴斌,王敏捷,康晶,等.滚动轴承故障振动信号特征与诊断方法[J].大连理工大学学报,2013,53(1):76-81.
[15]黎丹,陈特放.机车轴承故障诊断中振动信号采集的研究[J].应用与设计,2009(1):35-39.
[16]郭京蔷,吴勇. DSP和PC机的串行通信[J].计算机工程与设计,2014,25(3):475-477.
[17]李学军.便携式位移加速度振动信号测试系统软硬件设计与实现[J].电子测量与仪器学报,2008,22(2):56-61.
[18]高潮,田博今,郭永彩.基于DSP和ARM的自适应振动信号采集系统[J].计算机系统应用,2010,19(12):255-259.
[19]朱攀,贺敬.机载数据采集器模拟信号采集模块故障分析[J].中国科技信息,2014(7):173-175.
[20]陈科,张建庭,郑红梅,等.塔机信号采集与存储系统的设计与实现[J].电子测量与仪器学报,2014,28(8):892-900.
[21]刘建敏,李晓磊,乔新勇,等.基于EMD和STFT柴油机缸盖振动信号时频分析[J].噪声与振动控制,2013,4(2):133-137.
[22]王旭慧,江琦.小波分析在汽轮机振动故障诊断中的应用研究[J].电力学报,2014,29(1):80-83.
[23]胡爱军.经验模态分解中的模态混叠问题[J].振动、测试与诊断,2011,3(14):429-434.
[24]余建清,藏观建,谢世坤,等.旋转机械故障诊断中的信号处理技术综述[J].机床与液压,2011,39(24):107-110.
[25]郭钢祥,潘宏侠,王强龙.基于PSD和ADS7825的长管弯曲度测量系统的设计[J].煤矿机械,2013,34(4):268-270.
[26]张永肃,高宝成.基于Linux系统的汽车噪音故障诊断系统[J].嵌入式技术,2011,34(12):80-83.
[2]张登攀,袁银南,杜家益,等.车用发动机停缸模式下转速波动仿真[J].农业机械学报,2010,41(2):25-28.
[3]李逃昌,胡静涛,高雷.基于模糊自适应纯追踪模型的农业机械路径追踪方法[J].农业机械学报,2013,44(1):205-210.
[4]袁春飞,姚华,刘源.基于机载自适应模型的航空发动机控制[J].推进技术,2006,27(4):354-358.
[5]王仲生,何红,陈钱.小波分析在发动机早期故障识别中的应用研究[J].西北工业大学学报,2006,24(1):68-71.
[6]曹建军,张培林,张英堂,等.基于提升小波包变换的发动机缸盖振动信号特征提取[J].振动与冲击,2008,27(2):34-38.
[7]张永光,张晓蕾,徐健健. DM642图像数据传输的实现和优化[J].科学技术与工程,2007,9(17):4484-4486.
[8]杜巧连,张克华.基于自身振动信号的液压泵状态监测及故障诊断[J].农业工程学报,2007,23(4):120-123.
[9]徐礼超.基于Lab VIEW的发动机振动测试系统的开发[J].农机化研究,2007,29(12):176-179.
[10]陈磊,韩捷,孙俊杰,等.基于ARM和CPLD的振动信号采集系统设计[J].机床与液压,2011,39(7):55-57.
[11]赵艺,陆超,韩英铎,等.基于改进无模型自适应控制算法的发电机广域阻尼控制器设计[J].清华大学学报:自然科学版,2013,53(11):1645-1652.
[12]裴新才,许同乐.小波分析在轴承故障特征信号降噪中的应用[J].山东理工大学学报:自然科学版,2011,25(2):89-91.
[13]贾继德,陈剑,邱峰.一种适用于非平稳、非线性振动信号分析方法研究[J].农业工程学报,2005,21(10):9-12.
[14]吴斌,王敏捷,康晶,等.滚动轴承故障振动信号特征与诊断方法[J].大连理工大学学报,2013,53(1):76-81.
[15]黎丹,陈特放.机车轴承故障诊断中振动信号采集的研究[J].应用与设计,2009(1):35-39.
[16]郭京蔷,吴勇. DSP和PC机的串行通信[J].计算机工程与设计,2014,25(3):475-477.
[17]李学军.便携式位移加速度振动信号测试系统软硬件设计与实现[J].电子测量与仪器学报,2008,22(2):56-61.
[18]高潮,田博今,郭永彩.基于DSP和ARM的自适应振动信号采集系统[J].计算机系统应用,2010,19(12):255-259.
[19]朱攀,贺敬.机载数据采集器模拟信号采集模块故障分析[J].中国科技信息,2014(7):173-175.
[20]陈科,张建庭,郑红梅,等.塔机信号采集与存储系统的设计与实现[J].电子测量与仪器学报,2014,28(8):892-900.
[21]刘建敏,李晓磊,乔新勇,等.基于EMD和STFT柴油机缸盖振动信号时频分析[J].噪声与振动控制,2013,4(2):133-137.
[22]王旭慧,江琦.小波分析在汽轮机振动故障诊断中的应用研究[J].电力学报,2014,29(1):80-83.
[23]胡爱军.经验模态分解中的模态混叠问题[J].振动、测试与诊断,2011,3(14):429-434.
[24]余建清,藏观建,谢世坤,等.旋转机械故障诊断中的信号处理技术综述[J].机床与液压,2011,39(24):107-110.
[25]郭钢祥,潘宏侠,王强龙.基于PSD和ADS7825的长管弯曲度测量系统的设计[J].煤矿机械,2013,34(4):268-270.
[26]张永肃,高宝成.基于Linux系统的汽车噪音故障诊断系统[J].嵌入式技术,2011,34(12):80-83.