System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于内燃机振动噪声,涉及一种基于参数自适应vme的内燃机异常振动诊断方法,具体涉及一种基于加权模糊熵的参数自适应变分模态提取方法(adaptive variational mode extraction,avme),对内燃机振动信号特征进行提取及诊断。
技术介绍
1、发动机振动信号具有非线性、非稳态、强耦合特征,快速准确的进行异常振动诊断难度较大,目前振动信号特征提取方法在引用内燃机领域仍存在一定不足,此外,振动产生原因排查方式不够系统,因此,提出高效准确的振动信号特征提取和诊断方法对于减振降噪,提升发动机可靠性具有重要意义。
2、变分模态分解(variational mode decomposition,vmd)算法,该方法采用变分式分解模式代替传统递归式分解,有效避免了emd、lmd、itd、eemd及其衍生算法的固有缺陷。vmd算法虽具有很高的分解精度,但在进行信号分解前需要人为进行参数预设,导致信号分解自适应性不足,基于此,优化vmd算法研究取得了丰富的成果,优化vmd由于计算时间较长,在快速声振诊断领域仍难以获得广泛的应用。
3、变分模态提取(variational mode extraction,vme)在变分模态分解(vmd)的基础上发展而来,vme具有更高的提取精度和更低的计算成本,但vme算法仍存在欠分解和过分解的问题,导致分解信号特征存在失真问题。优化vme研究目前取得了一定成果,并在滚动轴承故障诊断领域获得较好应用,但由于发动机振动信号特征耦合性强,振动来源广,特征远复杂于
技术实现思路
1、本专利技术提供一种基于参数自适应vme的内燃机异常振动诊断方法,要解决的技术问题是:解决信号分解算法自适应不足以及振动产生原因分析不够全面的问题。
2、为了解决以上技术问题,本专利技术提供了一种基于参数自适应vme的内燃机异常振动诊断方法,其特征在于,具体步骤如下:
3、s1、进行发动机台架测试;
4、s2、振动信号预处理:对步骤s1采集的振动信号进行去趋势处理,得到原始振动信号x(t);
5、s3、自适应vme信号分解:以加权模糊熵为vme优化判定条件,基于avme方法对原始振动信号x(t)进行自适应分解;
6、s4、分解分量imf时频分析;
7、s5、异常振动诊断。
8、有益效果:本专利技术可实现高效、自适应信号特征提取,同时,考虑激励源特征、振动传递,局部共振多种影响因素影响,为发动机振动诊断提供指导。与现有技术相比,本专利技术的技术方案所带来的有益效果是:
9、1、针对发动机振动信号的复杂性、冲击性和强干扰特征,构建加权模糊熵为vme优化判定指标,既考虑了信号特征的复杂性,又考虑分解信号和原始信号的相关性,在处理发动机声振信号特征具有更高的适用性。
10、2、本专利技术提出的自适应vme方法可以有效解决信号分解过程模态混叠、过分解和欠分解问题,保证了信号分解精度;
11、3、在异常振动诊断过程,综合考虑激励源特征、振动传递、局部共振的影响,具有更高的通用性,为振动异常全面排查提供参考。
本文档来自技高网...【技术保护点】
1.一种基于参数自适应VME的内燃机异常振动诊断方法,其特征在于,具体步骤如下:
2.根据权利要求1所述的一种基于参数自适应VME的内燃机异常振动诊断方法,其特征在于,S1是进行发动机典型测点振动测试。
3.根据权利要求1所述的一种基于参数自适应VME的内燃机异常振动诊断方法,其特征在于,S1中,振动测点为发动机关注部件的典型测点,采样频率为25600Hz,测试时间为10s。
4.根据权利要求1所述的一种基于参数自适应VME的内燃机异常振动诊断方法,其特征在于,S2中,采用最小二乘法进行去趋势处理。
5.根据权利要求1所述的一种基于参数自适应VME的内燃机异常振动诊断方法,其特征在于,S3具体步骤如下:
6.根据权利要求1所述的一种基于参数自适应VME的内燃机异常振动诊断方法,其特征在于,S4中,基于连续小波变换对步骤S3获得的振动信号分解分量IMF进行时频分析,提取振动信号时频特征,判断振动特征的周期性和阶次性。
7.根据权利要求1所述的一种基于参数自适应VME的内燃机异常振动诊断方法,其特征在于,S5中,
8.根据权利要求5所述的一种基于参数自适应VME的内燃机异常振动诊断方法,其特征在于,步骤(c)具体计算如下:
9.根据权利要求1所述的一种基于参数自适应VME的内燃机异常振动诊断方法,其特征在于,S5具体方法如下:
10.根据权利要求1所述的一种基于参数自适应VME的内燃机异常振动诊断方法,其特征在于,如果台架测试发现水泵法兰处振动异常,通过S2对振动信号进行预处理,基于S3对水泵法兰振动信号进行AVME分解,基于S4对最主要的分量IMF1进行时频分析,发现水泵法兰处振动能量主要集中的频率,根据S5,从水泵激励源特征、其它部件振动传递和传动系统局部共振三个维度进行排查,发现水泵法兰处振动来源。
...【技术特征摘要】
1.一种基于参数自适应vme的内燃机异常振动诊断方法,其特征在于,具体步骤如下:
2.根据权利要求1所述的一种基于参数自适应vme的内燃机异常振动诊断方法,其特征在于,s1是进行发动机典型测点振动测试。
3.根据权利要求1所述的一种基于参数自适应vme的内燃机异常振动诊断方法,其特征在于,s1中,振动测点为发动机关注部件的典型测点,采样频率为25600hz,测试时间为10s。
4.根据权利要求1所述的一种基于参数自适应vme的内燃机异常振动诊断方法,其特征在于,s2中,采用最小二乘法进行去趋势处理。
5.根据权利要求1所述的一种基于参数自适应vme的内燃机异常振动诊断方法,其特征在于,s3具体步骤如下:
6.根据权利要求1所述的一种基于参数自适应vme的内燃机异常振动诊断方法,其特征在于,s4中,基于连续小波变换对步骤s3获得的振动信号分解分量imf进行时频分析,提取振动信号时频特征...
【专利技术属性】
技术研发人员:周启迪,王根全,张忠伟,孙婷婷,武晓峰,丁宁,许虹雯,吕振国,
申请(专利权)人:中国北方发动机研究所,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。