一、柴油机燃油系故障的诊断与排除（论文文献综述）
刘原宾[1]（2021）在《柴油机燃油系统的故障诊断与健康管理》文中进行了进一步梳理柴油机是当下最普遍使用的动力机械之一,被广泛应用于铁路牵引、油井钻探、船舶、汽车等机械领域。由于柴油机结构复杂,柴油机故障往往表现出繁杂性和多样性的特点。燃油系统对于柴油机的运行至关重要,在很大程度上决定了柴油机的经济性和可靠性,然而燃油系统故障率较高,在柴油机的故障当中大约有27%是由燃油系统故障引发的。因此,快速高效的对燃油系统进行故障诊断具有重要的意义。本文结合小波技术和神经网络技术,开发了柴油机燃油系统故障诊断系统。具体工作如下:通过查阅文献和整理厂方燃油系统故障数据,总结归纳了燃油系统常见故障发生的原因及排除故障的方法,作为健康管理模块的技术库。使用外夹式压力传感器间接获取柴油机高压油管的油压波形,为后续的诊断系统提供数据支持。研究小波分析的基础理论和方法,借助小波阈值去噪技术去除油压波形的机械噪声。同时结合油压波形的特点,通过大量实验对比了两种信号特征提取方案:（1）利用小波包频带分析技术把油压信号分解到不同的频带,并对油压信号各个频带的信号能量进行统计分析,以此区分燃油系统不同的故障。（2）油压波形中含有丰富的状态信息,提取燃油压力波形中的波形宽度、波形幅度、最大压力、起喷压力等数据作为特征参数,实验表明,此方法操作简单,提取的故障特征信息丰富,更适宜于作为神经网络的输入向量。研发了基于神经网络的燃油系统故障诊断方法,并利用实验对比不同神经网络模型的优缺点和诊断精度。通过SOM神经网络对故障数据进行无监督学习,可以有效对不同故障进行模式识别且诊断速度快。实验对比SOM和BP神经网络模型,结果表明BP神经网络满足精度要求,但容易陷入局部最优。开发SOM-BP串联神经网络模型用于燃油系统故障诊断,实验表明SOM-BP串联神经网络模型弥补了单一神经网络的缺点,且诊断精度大幅提高。开发燃油系统故障诊断系统。将燃油系统常见故障原因及解决方法、小波去噪技术、SOM-BP串联神经网络模型应用到故障诊断系统中,使用MATLAB软件中的GUI模块完成系统的开发。柴油机故障诊断系统可以实现数据的导入、小波阈值去噪、故障诊断的功能,并建立健康管理模块可随时查看故障原因及解决方案。
王清富[2]（2020）在《柴油机常见故障分析排除》文中研究说明对柴油机启动困难、振动严重、飞车、游车、自动停车故障进行了分析,指出故障产生的原因及诊断排除方法。
张志政[3]（2020）在《基于优化KPCA-SVM的船舶燃油系统故障监测和诊断研究》文中研究说明现代化大型船舶自动化程度日趋提高,船舶柴油机的故障监测和诊断技术已经成为提高船舶安全性和可靠性的重要方式之一。由英国柴油机工程师和用户协会提供的停机故障分析表明,造成柴油机停机后果的各种原因中燃油系统的故障占27%,比例最大。由于船舶柴油机燃油系统结构复杂,各个部件之间存在冗杂的非线性耦合关系,导致采集的样本数据具有典型的非线性多维特性,因此传统的线性方法在处理船舶燃油系统故障诊断问题时具有较大的局限性。本文以此为背景,开展了基于优化核主成分分析（Kernel Principal.Component Analysis,KPCA）和多分类支持向量机的船舶柴油机燃油系统故障监测与诊断技术研究。针对船舶燃油系统故障样本数据存在非线性强和噪声干扰的问题,首先提出采用KPCA对样本数据进行非线性特征提取,提取出样本数据特征的高维信息,其次在特征空间中构建T2和SPE统计量模型,最后通过监测样本数据统计量的变化实现了对船舶燃油系统故障的实时监测。由于KPCA性能受内部核函数参数影响,提出了基于粒子群优化核函数参数的选优方法,通过建立核函数参数优化模型,实现了 KPCA核函数参数的寻优,并对粒子群算法中惯性因子进行改进,在一定程度上防止了粒子群算法在优化过程中陷入局部最优,通过船舶燃油系统的故障监测实验表明该方法可有效减少非线性主成分个数,提高了故障监测的准确性。研究了基于多分类支持向量机进行故障诊断的方法,总结出限制多分类支持向量机故障诊断性能的两大因素:1、故障样本数据的质量;2、多分类支持向量机内核函数参数和惩罚因子的选择,在此研究基础上提出了基于粒子群优化KPCA-SVM的故障诊断方法,有效解决了船舶燃油系统故障特征非线性强、小样本分类精度低以及支持向量机参数选择难的问题,实现了三种算法的优势互补。为提高船舶柴油机燃油系统故障监测和诊断的精度,本文提出将基于KPCA的特征提取方法和多分类支持向量的故障诊断方法相结合,并采用改进的粒子群算法对KPCA和多分类支持向量机的核函数参数以及惩罚因子进行全局寻优,建立了基于粒子群优化KPCA的船舶燃油系统故障监测模型和基于粒子群优化KPCA-SVM的故障诊断模型,通过船舶燃油系统故障监测和诊断的仿真实验表明,本文提出的故障监测和诊断方法精度明显提高,验证了所提方法的有效性。
赵祥[4]（2019）在《基于粗糙集与证据理论的船舶发电机组故障诊断研究》文中进行了进一步梳理在大数据的背景下,利用船舶运行数据对船舶设备进行故障诊断是未来发展的必然趋势,船舶发电机组作为船舶的重要组成部分,由于其工作环境恶劣,设备容易发生故障且这些故障通常难以快速发现,所以对其故障准确快速诊断是当下研究热点。船舶发电机组结构复杂,运行时产生的数据具有一定的冗余性与相关性,因此本文采用粗糙集理论对故障特征数据进行提取,之后利用证据理论对各个特征数据进行融合决策。采用粗糙集与证据理论相集合的方法不仅可以降低数据复杂程度,同时充分利用各个数据信息,使诊断结果更加合理可靠。本文首先搭建了船舶发电机组中发电机部分的励磁功率单元和柴油机的仿真模型,分别获取两种仿真对象在各个故障状态下的运行数据。励磁功率单元部分,分别对各个晶闸管故障进行仿真,获取了在各个触发角下运行的数据与波形;柴油机部分分别对正常运行、喷油正时提前、喷油正时滞后、喷油孔磨损和喷油孔堵塞这5种状态进行模拟运行,并获取各个状态下的运行数据。针对船舶发电机组运行的数据特点,本文提出了基于粗糙集和证据理论的故障诊断方法。由于故障数据具有冗余性,首先采用粗糙集理论对故障数据进行重要特征提取,并计算基本可信度供证据理论使用,该方法降低了数据的复杂度,同时其基本可信度具有客观性,避免了证据理论中基本可信度具有主观性的缺陷。通过采用证据理论对测试样本进行融合决策的诊断结果表明,基于粗糙集与证据理论的故障诊断方法具有较高的准确率,充分验证了该方法在船舶发电机组故障诊断中的有效性。在理论研究的基础上,为了与实际应用相结合,本文运用Visual Studio 2013和Matlab共同完成了船舶发电机组故障诊断软件,使计算更加方便,同时可对运算过程以及诊断结果进行直观的展示。
白宗正[5]（2018）在《柴油机起动困难燃油系故障诊断探析》文中进行了进一步梳理高压油泵压力不足、漏空气、点火时间不正确、气缸压力不足等因素都会导致柴油机启动困难燃油系故障,而由于柴油机内部系统的不稳定性导致设备故障为柴油器启动困难燃油系故障的主要因素,因此本文根据柴油机内部系统不稳导致的柴油机启动困难燃油系故障诊断情况,对其启动困难燃油系故障的处理方案进行了综合分析。
李鹏飞[6]（2016）在《基于故障树分析的柴油机燃油系故障诊断研究》文中进行了进一步梳理燃油系统是柴油机的重要组成部分,在柴油机工作过程中,燃油系统工作质量的好坏,直接影响柴油机的工作性能。而燃油系统本身故障的复杂性、多样性,其故障诊断具有一定的难度,对于燃油系统,如何有效的诊断燃油供给系故障并提前做好预防措施,在柴油机维修中起着至关重要的作用。本文在介绍柴油机燃油系统结构原理的基础上,通过对其故障特点、故障模式部位、机理和常见故障等方面的统一分析,归纳出检测和维修系统某种故障模式的详细策略、发生该故障的异常现象以及故障原因,为系统故障诊断与维修提供服务。在故障树分析方法理论的指导下,结合柴油机燃油系故障模式分析的相关知识,建立柴油机燃油系常见故障的故障树。以故障模式分析和故障树分析的内容为知识源,选用基于故障树技术进行知识库系统的组织与建立,采用产生式规则和框架相结合的知识表示方法来表示诊断知识,将规则和故障树进行了融合。基于故障树分析的柴油机燃油系故障诊断技术一方面可以加快维修速度,缩短维修时间,延长发动机的使用寿命,另一方面还可以在设备保养中迅速地恢复技术状况,在维修保障体制上也不会只是停留在事后维修和定期维修。在有针对性和视情维修的基础上,可有效提高维修效率及维修质量,年度、季度与定期维修次数减至最小,避免过剩维修,降低维修费用。
李敏通[7]（2012）在《柴油机振动信号特征提取与故障诊断方法研究》文中进行了进一步梳理柴油机在工农业生产中获得了广泛应用。作为动力机械，其运行状态好坏，直接影响到整个机组的工作性能。因此，研究柴油机故障诊断技术和方法，对柴油机进行状态检测和故障诊断、确保柴油机工作正常具有重要意义。柴油机故障诊断技术是通过分析处理柴油机运行时的状态信息，定量识别其技术状态、并预测异常故障状态的一门多学科交叉的综合技术。柴油机缸盖振动信号中包含着丰富的工作状态信息，利用缸盖振动信号诊断柴油机故障是一种有效方法。从缸盖振动信号中提取故障特征以及根据提取的特征量对故障类型作出正确判断是故障诊断的两个关键。本文从工程应用的角度出发，综合应用测试技术、小波分析、经验模式分解、混沌数值特征、BP神经网络、支持向量机等理论，对柴油机缸盖振动信号中故障特征信息的提取、柴油机故障状态的识别诊断这两个关键问题进行了系统地研究，为进一步提高柴油机故障诊断水平提供了理论支持。主要研究内容及结论如下：（1）建立了柴油机缸盖振动信号采集实验平台。以S195柴油机为测试对象，采集了柴油机在正常及不同故障状态下缸盖振动信号样本，为柴油机振动信号的特征提取和诊断研究提供了数据支持。（2）研究了小波分析在缸盖振动信号特征提取中的应用。分析了柴油机不同状态下的缸盖振动信号的小波包能量分布以及连续小波尺度—能量分布，结果表明：小波包能量分布、连续小波尺度—能量分布均可作为表征柴油机不同工作状态的特征参数。考虑到缸盖振动信号的时域特征参数，本文提出了用小波包能量分布、小波包能量熵分布、小波包能量分布结合信号时域特征、连续小波尺度能量分布等4种构建缸盖振动信号特征向量的方法。（3）研究了EMD方法在柴油机缸盖振动信号特征提取中的应用。针对缸盖振动信号中出现的脉冲噪声干扰，提出了一种改进的基于EMD的信号降噪方法。将EMD与边际谱、自功率谱以及AR模型谱估计方法相结合，分析了用这三类谱参数表征柴油机不同工作状态的可行性。考虑到缸盖振动信号的时域和频域特征，提出了时域特征量与IMF能量组合、时域特征量与Hilbert边际谱组合、时域特征量与AR模型谱组合等3种构建缸盖振动信号特征向量的方法。（4）研究了混沌数值特征—关联维数、最大Lyaponov指数的分析计算方法，用混沌数值特征对柴油机燃油系出现故障时的缸盖振动信号进行了分析。结果表明，由柴油机缸盖振动信号直接求取关联维值，不能识别柴油机燃油系故障；由柴油机缸盖振动信号直接求取最大Lyaponov指数值可以判断柴油机燃油系是否异常。针对直接用缸盖振动信号关联维值诊断柴油机故障的不足，提出将小波包分解和关联维数相结合诊断柴油机燃油系故障的方法。结果表明，该方法可用于判断柴油机燃油系工作正常与否。（5）研究了用BP神经网络和支持向量机对柴油机故障识别的方法。利用4种基于小波分析构建特征量的方法（小波包能量分布、小波包能量熵、小波包能量分布结合时域特征、连续小波能量分布）分别对柴油机正常工况、排气门间隙异常、进气门间隙异常、供油提前角异常、喷油压力异常等5类工况构建特征向量。用BP网络进行诊断分类，其平均识别正确率分别为：79.39%、85.67%、87.03%和91.15%；用支持向量机进行诊断分类，其平均识别正确率分别为：82.67%、90.33%、87%和92.50%。诊断结果表明：4种基于小波分析构建特征向量的方法，均可用于柴油机缸盖振动信号特征向量的构建。用连续小波尺度能量分布构建特征向量，用支持向量机进行分类诊断可以获得最好的诊断效果。对于同一方法构建的特征向量，支持向量机的分类诊断效果总体优于BP网络的诊断效果。（6）利用3种基于EMD构建特征向量的方法（时域特征参数与IMF能量组合、时域特征参数与Hilbert边际谱组合、时域特征参数与AR模型谱组合）对柴油机正常工况、排气门间隙异常、进气门间隙异常、供油提前角异常、喷油压力异常等5类工况构建特征向量。用BP网络进行诊断分类，其平均识别正确率分别为：80.2%、85.5%和87.8%；用支持向量机进行诊断分类，其平均识别正确率分别为：80.83%、83.67%和91.0%。诊断结果表明：3种基于EMD构建特征向量的方法，均可用于柴油机缸盖振动信号特征向量的构建；用AR模型谱和时域特征参数构建特征向量，用支持向量机进行分类诊断可以获得最好的诊断效果。
杜伟肖[8]（2006）在《基于模糊理论对柴油机燃油系的故障诊断研究》文中提出随着汽车数量的增多，产生了许多例如废气排放污染严重、交通事故增多等问题。同时，也带来了维修任务的加大。发动机是汽车主要的动力源，而且柴油机在汽车上使用越来越多，其工作状态对整个汽车是至关重要的。因此做好柴油机的故障诊断工作对解决“汽车问题”是十分必要的。 柴油机燃油系是柴油机的心脏部分，由喷油泵、高压油管和喷油器等组成，其工作状况直接影响柴油机的燃烧过程，决定柴油机的性能，因此对柴油机燃油系进行及时检测和故障诊断具有重要的意义。本文对燃油系统组成及工作过程、典型故障作了详细的介绍。 柴油机高压油管的压力波形中含有丰富的状态信息，其燃油压力信号是反映供油系统工作状况的重要特征信号。供油系统出现故障，必然反映在燃油压力波形上。本文除了对波形的一些概念作了解释阐述以外，还通过对柴油机燃油系高压油管压力波形的测取以及信号提取，用模糊模式识别理论对燃油系常见故障作了诊断和研究。 本课题的研究有着重要的实用意义。不仅为维修工人提供了可靠的柴油机燃油系统的故障诊断方法，减少了维修时间，而且还提高了车用柴油机的工作可靠性和经济性。
崔玉艳,郭军胜[9]（2006）在《装载机气顶油钳盘制动故障分析》文中提出
杜道群,郭永强,李树禄[10]（2005）在《康明斯柴油机系列讲座之九 康明斯柴油机燃油系统的构造与维修(四)》文中提出四、燃油系统常见故障分析燃油系统常见的故障主要有柴油机的启动困难、动力不足、排烟不正常、工作粗暴等。（一）柴油机启动困难1.现象当启动机正常工作而柴油机不能启动时,多为燃油供给系工作不良引起的,常见的故障现象如下: （1）柴油机无启动迹象,排气管无烟排出。（2）柴油机有起动迹象,排气管冒白烟,但不能发动。2.原因（1）属于低压油路的原因①柴油箱内无油或燃油不足。②柴油箱开关未打开或油箱盖通气孔堵塞
二、柴油机燃油系故障的诊断与排除（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、柴油机燃油系故障的诊断与排除（论文提纲范文）
（1）柴油机燃油系统的故障诊断与健康管理（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 柴油机故障诊断技术的理论和方法 |
| 1.2.1 故障诊断技术简要理论 |
| 1.2.2 柴油机故障诊断方法 |
| 1.3 故障诊断技术的国内外研究现状及发展趋势 |
| 1.3.1 国内外研究现状 |
| 1.3.2 发展趋势 |
| 1.4 本文的研究内容 |
| 1.5 本章小结 |
| 2 柴油机燃油系统故障 |
| 2.1 柴油机燃油系统常见故障 |
| 2.1.1 供油量不足 |
| 2.1.2 针阀泄漏 |
| 2.1.3 出油阀失效 |
| 2.1.4 针阀卡死 |
| 2.2 解决方案 |
| 2.3 本章小结 |
| 3 燃油系统故障特征参数的提取 |
| 3.1 小波分析基础 |
| 3.1.1 小波分析的定义 |
| 3.1.2 连续小波变换 |
| 3.1.3 离散小波变换 |
| 3.1.4 多分辨率分析 |
| 3.1.5 小波包理论 |
| 3.1.6 小波阈值去噪 |
| 3.2 小波阈值去噪的MATLAB实现 |
| 3.3 利用小波包进行故障特征参数提取 |
| 3.3.1 频带分析技术 |
| 3.3.2 小波包频带分析技术的应用 |
| 3.4 利用燃油压力波形进行故障特征参数提取 |
| 3.4.1 压力波的测量 |
| 3.4.2 压力波的测量部位 |
| 3.4.3 燃油压力波性特征提取 |
| 3.4.4 故障样本数据 |
| 3.5 故障特征参数提取方案对比 |
| 3.6 本章小结 |
| 4 基于SOM神经网络的故障诊断 |
| 4.1 SOM神经网络 |
| 4.1.1 SOM神经网络结构 |
| 4.1.2 SOM神经网络的学习算法 |
| 4.2 SOM神经网络的故障诊断 |
| 4.2.1 网络样本设计 |
| 4.2.2 网络设计 |
| 4.2.3 网络训练与测试 |
| 4.3 本章小结 |
| 5 基于BP神经网络的故障诊断 |
| 5.1 BP神经网络 |
| 5.1.1 BP神经网络的结构 |
| 5.1.2 BP神经网络的学习算法 |
| 5.1.3 BP神经网络的设计 |
| 5.2 BP神经网络的故障诊断 |
| 5.2.1 创建故障类型编码 |
| 5.2.2 BP神经网络建立 |
| 5.2.3 BP神经网络训练与测试 |
| 5.2.4 诊断结果分析 |
| 5.3 本章小结 |
| 6 基于SOM-BP神经网络的故障诊断系统开发 |
| 6.1 SOM-BP串联神经网络的优点及可行性 |
| 6.2 SOM-BP神经网络训练和测试 |
| 6.3 GUI用户界面开发 |
| 6.4 诊断系统界面 |
| 6.5 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
（2）柴油机常见故障分析排除（论文提纲范文）
| 0 引言 |
| 1 柴油机启动困难 |
| 2 柴油机振动严重 |
| 3 柴油机飞车 |
| 4 游车 |
| 5 柴油机自动停车 |
（3）基于优化KPCA-SVM的船舶燃油系统故障监测和诊断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 船舶柴油机故障诊断研究发展现状 |
| 1.2.1 故障监测和诊断技术国内外研究现状 |
| 1.2.2 故障监测和诊断技术的发展趋势 |
| 1.3 论文主要研究内容 |
| 2 船舶柴油机燃油系统故障监测及诊断分析 |
| 2.1 船舶燃油系统概述 |
| 2.1.1 燃油系统低压油路 |
| 2.1.2 燃油系统高压油路 |
| 2.1.3 燃油喷射过程 |
| 2.2 主要故障部件原理分析 |
| 2.2.1 喷油泵工作原理分析 |
| 2.2.2 喷油器工作原理分析 |
| 2.2.3 燃油系统常见故障分析 |
| 2.3 常见故障监测和诊断方法 |
| 2.3.1 故障诊断过程 |
| 2.3.2 常见故障监测和诊断方法 |
| 2.3.3 船舶柴油机故障监测和诊断的目的 |
| 2.4 本章小结 |
| 3 基于KPCA的非线性特征提取与SVM的模式识别 |
| 3.1 基于KPCA的非线性特征提取 |
| 3.1.1 KPCA基本原理 |
| 3.1.2 KPCA非线性特征提取步骤 |
| 3.1.3 SPE和T~2统计量 |
| 3.1.4 基于KPCA的非线性特征提取分析 |
| 3.2 基于SVM的故障模式识别 |
| 3.2.1 支持向量机概述 |
| 3.2.2 支持向量机基本原理 |
| 3.2.3 软间隔最优分类面 |
| 3.2.4 非线性支持向量机 |
| 3.2.5 基于两类样本的SVM数值仿真 |
| 3.3 本章小结 |
| 4 基于PSO优化KPCA的船舶燃油系统故障监测 |
| 4.1 PSO优化算法概述 |
| 4.1.1 PSO基本原理 |
| 4.1.2 PSO优化参数选择 |
| 4.1.3 基于改进PSO算法数值仿真 |
| 4.2 基于KPCA的故障监测模型搭建 |
| 4.2.1 核函数及参数确定方法 |
| 4.2.2 样本数据采集 |
| 4.2.3 基于KPCA的故障监测实现流程 |
| 4.2.4 基于KPCA的船舶燃油系统故障监测实验 |
| 4.3 基于PSO优化KPCA的船舶燃油系统故障监测 |
| 4.3.1 基于PSO优化KPCA的故障监测算法设计 |
| 4.3.2 基于PSO优化KPCA的船舶燃油系统故障监测实验 |
| 4.4 本章小结 |
| 5 基于PSO优化KPCA-SVM的船舶燃油系统故障诊断 |
| 5.1 构建多分类支持向量机 |
| 5.1.1 一对多方法 |
| 5.1.2 一对一方法 |
| 5.1.3 直接非循环图法 |
| 5.1.4 决策树法 |
| 5.2 基于PSO优化KPCA-SVM的船舶燃油系统故障诊断 |
| 5.2.1 故障诊断算法设计思路 |
| 5.2.2 故障诊断实验步骤 |
| 5.2.3 船舶燃油系统故障诊断实验 |
| 5.3 本章小结 |
| 结论与展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读硕士学位期间的科研成果 |
（4）基于粗糙集与证据理论的船舶发电机组故障诊断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 发电机励磁功率单元故障诊断研究现状 |
| 1.2.2 柴油机燃油系统故障诊断研究现状 |
| 1.2.3 粗糙集与证据理论在故障诊断中研究现状 |
| 1.3 本文主要内容 |
| 2 基于粗糙集理论与证据理论的故障诊断方法 |
| 2.1 粗糙集理论 |
| 2.1.1 粗糙集理论基本概念 |
| 2.1.2 约简的基本定义 |
| 2.1.3 粗糙集基本约简方法 |
| 2.2 D-S证据理论 |
| 2.2.1 D-S证据理论基本概念 |
| 2.2.2 信任区间与不确定性表示 |
| 2.2.3 Dempster合成规则 |
| 2.3 故障诊断方法的实现 |
| 2.3.1 连续属性离散化 |
| 2.3.2 属性约简 |
| 2.3.3 基本可信度分配的获取过程 |
| 2.3.4 证据合成 |
| 2.4 小结 |
| 3 船舶发电机励磁功率单元故障诊断研究 |
| 3.1 船舶同步发电机励磁功率单元简介 |
| 3.2 船舶发电机励磁功率单元故障仿真与分类 |
| 3.2.1 励磁功率单元故障分类 |
| 3.2.2 励磁功率单元故障仿真 |
| 3.3 基于粗糙集与证据理论的励磁功率单元故障诊断 |
| 3.3.1 故障模型搭建 |
| 3.3.2 数据离散化 |
| 3.3.3 提取重要属性 |
| 3.3.4 获取基本可信度分配 |
| 3.3.5 证据合成 |
| 3.4 小结 |
| 4 船舶柴油机燃油系统故障诊断研究 |
| 4.1 船舶柴油机燃油系统简介 |
| 4.2 基于AVL BOOST船舶柴油机故障仿真 |
| 4.2.1 AVL BOOST模型搭建 |
| 4.2.2 柴油机故障仿真方案 |
| 4.3 基于粗糙集与证据理论的柴油机燃油系统故障诊断 |
| 4.3.1 故障模型搭建 |
| 4.3.2 数据离散化 |
| 4.3.3 提取重要属性 |
| 4.3.4 获取基本可信度分配 |
| 4.3.5 证据合成 |
| 4.4 小结 |
| 5 船舶发电机组故障诊断软件开发 |
| 5.1 故障诊断软件框架 |
| 5.2 故障诊断软件 |
| 5.2.1 软件开发 |
| 5.2.2 故障诊断算法的混合编程实现 |
| 5.2.3 软件的界面及功能介绍 |
| 5.3 小结 |
| 结论 |
| 参考文献 |
| 附录A 三项全桥电路单管故障负载电压数据 |
| 附录B 柴油机原始数据 |
| 附录C 关键算法代码 |
| 致谢 |
| 作者简历及攻读硕士学位期间的科研成果 |
（6）基于故障树分析的柴油机燃油系故障诊断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 当前国内外研究现状 |
| 1.2.1 柴油机故障诊断技术的组成 |
| 1.2.2 柴油机故障诊断方法的分类 |
| 1.2.3 柴油机故障诊断技术的特点及趋势 |
| 1.3 主要研究内容及论文结构 |
| 第二章 柴油机燃油系故障模式分析 |
| 2.1 引言 |
| 2.2 柴油机燃油系概述 |
| 2.2.1 柴油机燃油系的组成结构和功能 |
| 2.2.2 柴油机燃油系的故障特 |
| 2.2.3 柴油机燃油系关键故障零部件 |
| 2.3 柴油机燃油系统故障模式分析 |
| 2.3.1 故障模式分析（FMEA） |
| 2.3.2 柴油机燃油系失效模式和故障原因 |
| 2.4 本章小结 |
| 第三章 柴油机燃油系故障树分析研究 |
| 3.1 引言 |
| 3.2 故障树分析方法（FTA） |
| 3.2.1 概述 |
| 3.2.2 故障树的建立 |
| 3.2.3 故障树的定性分析 |
| 3.2.4 故障树的定量分析 |
| 3.2.5 底事件的重要度分析 |
| 3.3 柴油机燃油系常见故障的故障树分析 |
| 3.3.1 柴油机燃油系故障树的建立 |
| 3.3.2 系统定性分析 |
| 3.3.3 系统定量分析 |
| 3.3.4 系统重要度分析 |
| 3.4 本章小结 |
| 第四章 柴油机燃油系故障诊断专家系统知识研究 |
| 4.1 引言 |
| 4.2 专家系统概述 |
| 4.2.1 专家系统概念 |
| 4.2.2 专家系统的基本结构 |
| 4.3 燃油系故障诊断专家系统知识获取 |
| 4.3.1 知识获取的方法 |
| 4.3.2 基于故障树建立的知识获取 |
| 4.4 燃油系故障诊断专家系统知识表示 |
| 4.4.1 产生式规则表示法 |
| 4.4.2 框架表示法 |
| 4.4.3 基于故障树的知识表示法 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（7）柴油机振动信号特征提取与故障诊断方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究的背景意义 |
| 1.2 柴油机故障诊断技术的国内外研究现状 |
| 1.2.1 柴油机故障诊断技术总体研究概况 |
| 1.2.2 故障特征提取方法研究现状 |
| 1.2.3 故障识别方法研究现状 |
| 1.3 本文主要研究内容 |
| 第2章 柴油机缸盖振动信号采集 |
| 2.1 柴油机缸盖振动激励源及振动信号特性 |
| 2.1.1 柴油机缸盖振动的激励源分析 |
| 2.1.2 缸盖振动信号特性分析 |
| 2.2 柴油机振动信号采集系统 |
| 2.2.1 柴油机振动信号采集系统建立 |
| 2.2.2 柴油机缸盖振动信号采集 |
| 2.3 本章小结 |
| 第3章 基于小波分析的柴油机振动信号特征参数提取 |
| 3.1 小波分析理论 |
| 3.1.1 连续小波变换 |
| 3.1.2 小波包分解 |
| 3.1.3 小波函数基的选择 |
| 3.2 基于小波包分解的柴油机振动信号特征参数提取 |
| 3.2.1 小波包频带能量分布 |
| 3.2.2 仿真信号的小波包频带能量分析 |
| 3.2.3 小波包能量分布表征缸盖振动信号特征的可行性 |
| 3.3 基于小波尺度—能量谱的柴油机振动信号特征提取 |
| 3.3.1 连续小波变换与二进离散小波变换之间的对比 |
| 3.3.2 连续小波尺度能量谱 |
| 3.3.3 小波尺度能量谱表征缸盖振动信号特征的可行性 |
| 3.4 本章小结 |
| 第4章 基于 EMD 的柴油机振动信号特征参数提取 |
| 4.1 EMD 基本原理 |
| 4.1.1 时频分析的基本概念 |
| 4.1.2 EMD 方法 |
| 4.2 基于 EMD 的信号降噪 |
| 4.2.1 EMD 降噪原理 |
| 4.2.2 改进的基于 EMD 的降噪方法 |
| 4.2.3 改进的降噪方法在缸盖振动信号降噪中的应用 |
| 4.3 基于 EMD 的信号频域特征参数 |
| 4.3.1 Hilbert 谱和 Hilbert 边际谱 |
| 4.3.2 模式分量的自功率谱 |
| 4.3.3 模式分量的 AR 模型谱 |
| 4.4 基于 EMD 的谱参数表征缸盖振动信号特征的可行性 |
| 4.4.1 柴油机缸盖振动信号的 EMD 分解 |
| 4.4.2 用 AR 谱表征缸盖振动信号特征的可行性 |
| 4.4.3 用边际谱表征缸盖振动信号特征的可行性 |
| 4.4.4 用功率谱表征缸盖振动信号特征的可行性 |
| 4.5 本章小结 |
| 第5章 基于混沌数值特征的柴油机振动信号分析 |
| 5.1 时间序列相空间重构 |
| 5.1.1 相空间重构算法 |
| 5.1.2 确定时间延迟与嵌入维的 C-C 方法 |
| 5.2 关联维的计算 |
| 5.2.1 经典 G-P 算法 |
| 5.2.2 G-P 算法的改进 |
| 5.2.3 算法可行性验证 |
| 5.3 最大 Lyapunov 指数计算 |
| 5.3.1 小数据量法求最大 Lyapunov 指数 |
| 5.3.2 算法验证 |
| 5.4 柴油机燃油系故障振动信号关联维分析 |
| 5.4.1 不同喷油压力下的关联维 |
| 5.4.2 不同供油提前角下的关联维 |
| 5.5 燃油系故障振动信号最大 Lyapunov 指数分析 |
| 5.5.1 不同喷油压力的 Lyapunov 指数 |
| 5.5.2 不同供油提前角时的 Lyapunov 指数 |
| 5.6 基于小波包分解的柴油机振动信号关联维分析 |
| 5.6.1 不同喷油压力的关联维分析 |
| 5.6.2 不同供油提前角的关联维分析 |
| 5.7 本章小结 |
| 第6章 基于 BP 网络和 SVM 的柴油机故障诊断 |
| 6.1 特征向量的构建 |
| 6.1.1 基于小波分析的特征向量的构建 |
| 6.1.2 基于 EMD 分解的特征向量的构建 |
| 6.2 故障分类识别方法 |
| 6.2.1 BP 网络 |
| 6.2.2 支持向量机 |
| 6.3 基于 BP 网络的柴油机故障诊断分类 |
| 6.3.1 基于小波分析和 BP 网络的诊断 |
| 6.3.2 基于 EMD 和 BP 网络的诊断 |
| 6.4 基于支持向量机的柴油机故障诊断 |
| 6.4.1 基于小波分析和支持向量机的诊断 |
| 6.4.2 基于 EMD 和支持向量机的诊断 |
| 6.5 本章小结 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（8）基于模糊理论对柴油机燃油系的故障诊断研究（论文提纲范文）
| 第一章 绪论 |
| 1.1 课题的提出 |
| 1.2 研究的目的和意义 |
| 1.3 论文的主要研究内容 |
| 第二章 柴油机燃油系故障诊断的国内外研究现状 |
| 2.1 故障诊断技术的含义 |
| 2.2 燃油系故障诊断的国内外研究现状 |
| 2.2.1 信号采集方面的研究 |
| 2.2.2 信号处理方面的研究 |
| 2.2.3 信号参数的分析和故障诊断 |
| 2.3 存在的问题 |
| 2.4 发展趋势 |
| 第三章 柴油机燃油系概述及典型故障 |
| 3.1 引言 |
| 3.2 柴油机燃油系结构、功用 |
| 3.2.1 柴油发动机燃油系的组成结构 |
| 3.2.2 各部分的功用 |
| 3.3 柴油机对燃油供给系以及主要部件的要求 |
| 3.4 柴油机燃油系常见故障 |
| 3.4.1 柴油机的故障成因特点 |
| 3.4.2 柴油机燃油系常见故障和现象、原因 |
| 3.4.3 柴油发动机燃油系常见故障部位 |
| 3.4.4 柴油机燃油系三大精密偶件常见故障及其对柴油机性能的影响 |
| 第四章 燃油压力波形 |
| 4.1 燃油压力的波动分析以及用燃油压力波进行故障诊断的可行性 |
| 4.1.1 燃油喷射过程 |
| 4.1.2 柴油机燃油供给系内的压力波动分析 |
| 4.1.3 用燃油压力波进行故障诊断的可行性 |
| 4.2 本文采取的试验方法 |
| 4.2.1 实验及其连接图 |
| 4.2.2 常见故障的油压波形 |
| 4.3 燃油压力波形的特点和功用 |
| 4.3.1 燃油压力波形的主要特点 |
| 4.3.2 燃油压力波形的功用 |
| 4.4 波形结构形态的提取与描述 |
| 4.4.1 波形结构的基本定义 |
| 4.4.2 主导峰与主导谷 |
| 4.4.3 波形分段描述以及波形基元的提取 |
| 4.4.4 波形特征点的识别 |
| 4.5 故障诊断参数以及燃油压力波常用的油压波形特征参数 |
| 4.5.1 故障诊断参数的概念 |
| 4.5.2 诊断参数的选择原则 |
| 4.5.3 燃油压力波诊断常用的油压波形特征参数 |
| 第五章 模糊理论及燃油系模糊故障诊断 |
| 5.1 模糊理论的发展以及在燃油系故障诊断中的应用 |
| 5.1.1 模糊理论的发展 |
| 5.1.2 模糊理论在柴油机燃油系故障诊断中的应用 |
| 5.2 模糊集合的概念及其运算 |
| 5.2.1 普通集合与模糊集合 |
| 5.2.2 模糊集合的运算 |
| 5.3 模糊集合与经典集合的联系 |
| 5.3.1 截集 |
| 5.3.2 分解定理 |
| 5.3.3 扩张原则 |
| 5.4 隶属函数 |
| 5.4.1 确定隶属函数的方法 |
| 5.4.2 常用的隶属函数 |
| 5.5 模糊关系与模糊矩阵 |
| 5.5.1 模糊关系定义及其运算 |
| 5.5.2 模糊矩阵 |
| 5.6 模糊模式识别 |
| 5.6.1 模糊度及其度量 |
| 5.6.2 模糊模式识别原则 |
| 5.6.3 模糊模式识别过程 |
| 5.7 基于模糊理论对柴油机燃油系的故障诊断 |
| 5.7.1 诊断原理 |
| 5.7.2 诊断过程 |
| 5.7.3 燃油压力波形的模糊模式识别 |
| 第六章 结论与展望 |
| 6.1 研究工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表论文 |
| 学位论文原创性声明 |
| 学位论文使用授权 |
（9）装载机气顶油钳盘制动故障分析（论文提纲范文）
| 1 制动系统工作原理 |
| 2 制动系统故障分析及排除 |
四、柴油机燃油系故障的诊断与排除（论文参考文献）
- [1]柴油机燃油系统的故障诊断与健康管理[D]. 刘原宾. 大连理工大学, 2021(01)
- [2]柴油机常见故障分析排除[J]. 王清富. 农机使用与维修, 2020(11)
- [3]基于优化KPCA-SVM的船舶燃油系统故障监测和诊断研究[D]. 张志政. 大连海事大学, 2020(01)
- [4]基于粗糙集与证据理论的船舶发电机组故障诊断研究[D]. 赵祥. 大连海事大学, 2019(07)
- [5]柴油机起动困难燃油系故障诊断探析[J]. 白宗正. 内燃机与配件, 2018(08)
- [6]基于故障树分析的柴油机燃油系故障诊断研究[D]. 李鹏飞. 长安大学, 2016(02)
- [7]柴油机振动信号特征提取与故障诊断方法研究[D]. 李敏通. 西北农林科技大学, 2012(05)
- [8]基于模糊理论对柴油机燃油系的故障诊断研究[D]. 杜伟肖. 广西大学, 2006(12)
- [9]装载机气顶油钳盘制动故障分析[J]. 崔玉艳,郭军胜. 建筑机械化, 2006(01)
- [10]康明斯柴油机系列讲座之九 康明斯柴油机燃油系统的构造与维修(四)[J]. 杜道群,郭永强,李树禄. 工程机械与维修, 2005(17)