一、用手油泵帮助判断柴油机油路故障(论文文献综述)
张志政[1](2020)在《基于优化KPCA-SVM的船舶燃油系统故障监测和诊断研究》文中研究指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。
魏帅[2](2020)在《基于模糊自适应理论的高压共轨柴油机多次喷射控制研究》文中提出柴油机在工程领域以其动力性强、经济性好、适应性广以及维修方便等优势而被广泛应用。然而,环境问题日益严峻,清洁高效的柴油机除了需要精密的硬件设施,还需要制定更加严格的控制策略,才能提高柴油机的工作效率。电控燃油喷射系统控制策略的优劣,对柴油机工作性能、污染物的排放都有很大的影响。因此在选择动态响应迅速的喷油器基础上设计一个多次喷射控制策略具有重要意义。本文主要工作内容和成果为:通过对高压共轨柴油机燃油喷射系统组成及各零部件的工作过程进行分析,以其燃油喷射系统的工作特性为基础,将传统电磁阀式喷油器更换为响应速度更快的压电式喷油器。由于压电式喷油器执行器部分的压电陶瓷叠堆存在非线性变化特性,导致针阀升程误差过大,为此引入模糊自适应PID控制算法对压电陶瓷叠堆两端的电压进行精确控制,从而减小针阀升程误差,提高多次喷射控制的稳定性。应用Matlab模糊控制工具箱对模糊自适应PID控制模块进行建立,首先设置压电式喷油器中压电陶瓷叠堆两端的电压偏差、电压偏差变化率以及PID中三个参数修正量的模糊论域和隶属度函数,然后确定模糊控制规则,最后经重心法去模糊化,得到确定的电压控制量,同时依据控制需求在Simulink环境下搭建工况及轨压状态判断模块以及轨压、喷油控制模块。为验证控制模型的有效性和可行性,需要建立一个被控物理模型,经过多方面的对比分析,选择AMESim作为高压共轨系统的建模软件,运用AMESim中二次开发功能和Simulnk中干扰信号,模拟压电陶瓷叠堆的非线性变化。将共轨系统分成高压油泵、共轨管和压电式喷油器三部分并进行模块化建模,再将各部分组装成一个完整的共轨系统。通过接口设置将Simulink环境下的控制模型与AMESim环境下的被控物理模型进行联合仿真试验。在联合仿真之前,对Simulink环境下的控制模块进行单元测试,验证单元模块是否符合所设计的逻辑功能;然后将单元模块进行集成,设计测试用例,通过联合仿真试验对控制模型进行验证。结果表明,控制模型可以根据柴油机转速、最小启喷轨压等多个参数进行判定并执行多次喷射。为检验模糊自适应PID控制算法在目标稳定状态下控制效果,设置压电执行器目标位移为0.5μm,其稳定状态下与目标位移最大相对误差为0.85%;同时为检验目标在动态状态下控制效果,对压电执行器设置正弦信号跟踪试验,其幅值为0.2μm,初始值为0.2μm,频率为250Hz,最大相对误差为2.42%;在多次喷射联合仿真过程中,将针阀升程目标位移设置为0.19mm,并在多次喷射中选取主喷状态下的针阀升程进行分析,无模糊自适应PID控制时针阀最大升程为0.19587mm,其相对误差为3.09%,在模糊自适应PID控制下针阀最大升程为0.19211mm,相对误差为1.11%。在模糊自适应PID控制算法作用下针阀升程的波动幅度明显小于无模糊自适应PID控制算法下的针阀升程波动幅度,针阀的动态响应特性更加平稳,能够在多次喷射中更好的提高压电式喷油器的喷油稳定性和控制精度。
高鹤元[3](2020)在《基于神经网络的船舶辅锅炉燃烧故障诊断研究》文中研究表明船舶辅锅炉是船舶的重要组成部分,作为保证船舶正常运行的重要设备之一,其主要用于产生饱和水蒸气。船舶辅锅炉的安全、稳定、高效的运行对船舶安全,经济收益具有重要意义。随着人工智能和船舶自动化技术的不断发展,船舶装备的故障诊断和状态识别领域逐渐成为惹人关注的研究热点。但船舶系统结构复杂,故障特征多种多样,现阶段获取全面的故障样本的难度较大,所以船舶辅锅炉的燃烧故障诊断的研究应用尚处于不成熟的研究阶段。神经网络方法近几年在多个研究领域取得了重要成就,将其引入到船舶辅锅炉燃烧故障诊断中,有非常重要的研究价值。本文综合考虑船舶辅锅炉的运行特点,选取自组织特征映射(SOM)神经网络开展船舶辅锅炉燃烧故障诊断研究。并针对相应神经网络进行改进,提高诊断的准确率,从而提高船舶运营的安全性。本文选取大连海事大学研发的DMSVLCC大型油船轮机模拟器为试验平台,模拟D型水管辅锅炉正常运行,燃油供给泵磨损,燃油预热器脏堵,点火油泵故障,风机故障的工作过程。提取样本数据并使用主成分分析法(PCA)进行预处理,用作后续故障诊断方法的验证研究。利用获取的实验数据训练SOM神经网络进行初步诊断,由于神经网络的局限性和不足导致诊断结果不够理想。为了提高故障诊断的准确度,在神经网络的基础上,使用粒子群算法(PSO)优化其权值向量的更新过程,提高诊断的准确率。通过分析实验的诊断结果及优化算法的优势和缺陷,本文再结合学习向量量化神经网络(LVQ)弥补算法在竞争过程中存在的不足,进行更深一步的算法研究。最后,利用系统运行仿真出的样本数据,验证所构建的PSO-SOM-LVQ的混合神经网络算法故障诊断模型。依据3种实验结果对比表明,混合神经网络模型的故障诊断结果与实际状态一致,相比于前两种算法的准确率有了显着提高,充分验证了该算法在船舶辅锅炉燃烧故障诊断中的可靠性和准确性,为船舶辅锅炉燃烧故障智能诊断的发展提供一种新的思路。
任东平[4](2020)在《船舶柴油机润滑系统故障诊断研究》文中提出近年来船舶智能化与自动化水平的不断提高,在船舶可靠性与安全性这两方面有了更加严格的要求。柴油机作为船舶的核心设备,在船舶安全方面起着至关重要的作用。但是,柴油机的结构复杂、零件较多,机体处于高温、高压的环境中,因此发生故障的可能性比较大。传统的故障诊断多为经验法、热力参数法、油液分析法等,这些方法对滑油系统的故障诊断不能精确定位,且耗时长,有的还需要专用检测工具。本文采用贝叶斯noisy-OR/AND模型开发故障诊断系统,可以准确快速的诊断故障,同时还能给出维修措施供工作人员参考,能在故障发生的最短时间内恢复设备的运行,对于确保船舶安全运行具有重要的意义。本文以亚洲网络为实验模型,对比不同的消元顺序对推理时间的影响。变量消元法推理快慢的主要因素是消元顺序的构造,目前主要有最小度、最大势、最小缺边和最小增加复杂度4种搜索方法可以用来构造消元顺序。实验发现最小增加复杂度搜索方法优于其它搜索方法,可缩短推理时间,提高推理效率。对WARTSILA 6L34DF柴油机滑油系统建立诊断模型。依据润滑系统的故障类型,整个润滑系统可以分为进机油压异常、进机油温异常、滑油消耗率过高和滑油早期失效4个子故障。通过对系统的分析,建立六个故障树,分别为进机油压过高、进机油压过低、进机温度过高、进机温度过低、滑油消耗率过高和滑油早期失效。采用将故障树转化为贝叶斯网的方法,构建上述六个故障树的贝叶斯网络诊断模型。开发柴油机滑油系统的故障诊断软件。利用Visual Studio 2017和SQL Server 2017为开发环境,以C#语言为基础开发诊断系统。在数据库中建立滑油系统的知识库,将先验概率存入相应的数据表中;在Visual Studio 2017中,编程实现整个故障诊断功能,该系统包括4个菜单栏。最后使用2个故障实例证明该系统能准确快速的诊断出故障原因。研究表明,当结合工作人员对设备的观测信息时,该故障诊断系统能够准确迅速的定位故障原因,并给出相应的维修策略。在贝叶斯网络推理时,采用最小缺边复杂度搜索方法可提高变量消元法的推理速度,可缩短系统后台的计算运行时间,减少系统的卡顿。贝叶斯网络诊断模型优于现有的诊断方法,能真正诊断出故障原因,帮助工作人员快速准确地定位故障。
江俊,佘磊,蒋国成[5](2020)在《机车水阻试验时柴油机燃油低压油路故障浅析及防范》文中进行了进一步梳理针对机车总组装线装配的各型柴油机机车部分的低压油路,在水阻试验台所出的故障进行了原因分析及采取了相对应的防范处理措施。
刘强[6](2019)在《CAT电喷柴油机低压油路故障判断及排除》文中进行了进一步梳理柴油机燃油低压油路发生故障,会导致燃油压力不足或燃油异常高压。当燃油压力低于20psi时柴油机处于输出功率不足状态,随着负荷的增加柴油机转速会严重下降,同时燃油压力会变得更低,甚至出现熄火现象;在回油不通畅或没有回油状态下,燃油压力会异常升高,甚至高于100psi,此时会发生各缸供油量偏差过大情况,导致各缸输出功率严重偏差,柴油机发生异常抖动,输出功率下降。低压油路各点位发生故障的表现形式基本类似,不易被分辨清楚,给该类故障判断和排除带来一定困难。
陶归中[7](2018)在《对柴油机技术状态的不拆卸检查》文中研究表明柴油机技术状态不拆卸检查可减少拆卸检查对机器的二次损伤。对柴油机进气系统不拆卸检查、压缩系统故障的不拆卸判断、油路故障的不拆卸判断方法进行了介绍。
于志友[8](2018)在《农用柴油机不能起动故障分析模式》文中认为农用柴油机不能起动故障主要分为两种,一种是柴油机不能起动且无着火征兆,另一种则是起动柴油机时,排气管大量冒烟故而导致的不能起动两种情况。诊断柴油机不能起动且无着火征兆故障时检查油路按照先低压后高压的思路进行整体检查。在进行起动柴油机故障模式诊断时,由于排气管的大量冒烟行为导致起动故障时,此时由于起动时柴油能进入燃烧室,但又由于某种原因(例如氧气不足)使燃烧室不具备压燃条件,所以导致已喷入的柴油不能及时的燃烧或不能完全进行燃烧的思路分析。
时全局[9](2019)在《核电应急柴油发电机定期评估与故障定位方法研究》文中进行了进一步梳理核电应急柴油发电机是核电厂最后一道安全防线,其主要在核电厂同时失去厂用工作电源和厂外备用电源的情况下,及时为应急厂用设备供电,保证反应堆安全停堆,防止主要设备损坏,保障人员和环境的安全。由于应急柴油发电机作为热备用设备,各系统功能状态主要通过定期试验来评价验证,但由于定期试验过程多变的工况以及频繁的快速启动,加速了零部件退化速度,这就要求在定期试验过程中,在有限的监测参数下准确评估应急柴油发电机各系统的健康状态,及时预警。同时,核电厂要求应急柴油发电机故障必须在有限时间内排除,使其恢复到可用状态,这就要求快速准确定位故障原因,提高诊断效率。本文针对如何准确有效定期评估应急柴油发电机的运行状态以及如何提高故障诊断效率快速定位原因进行了一系列研究。(1)针对当前应急柴油发电机监测评估方法的不足,基于层次分析法和模糊理论相结合来建立应急柴油发电机的预警评估模型,考虑各系统参数变化特点,基于主客观权重融合分配法、相对劣化度分析法和统计分析法来构建应急柴油发电机各系统及整机的评估模型,并通过最大隶属度原则和有效性分析来评估定期试验过程中各系统及整机的健康状态。(2)针对应急柴油发电机故障诊断信息多源、语义各异、故障案例缺乏等问题,基于FMEA分析方法对应急柴油发电机各系统故障模式进行归纳分析,同时基于FTA分析方法,建立故障事件之间的层次因果关系。(3)基于本体的知识表示方法建立应急柴油发电机的故障诊断模型。首先基于本体的知识表示方法对故障现象、故障原因和故障结构等概念集合进行规范化表达,并赋予不同概念集合以相关属性知识;其次,建立各知识之间的联系,构建相关诊断规则;最后基于该方法对现场应急柴油发电机启动超时故障进行定位分析,结果验证了该方法的有效性。
王裕文[10](2017)在《柱塞式喷油泵常见故障原因与诊断》文中进行了进一步梳理喷油泵根据柴油机的不同工况,定时、定量、定压地将柴油输送到喷油器,再由喷油器将柴油雾化喷入气缸,在高温和高压作用下着火燃烧做功的核心部件。若喷油泵出现故障,将影响柴油机正常工作,本文主要介绍柱塞式喷油泵常见故障原因及其诊断方法,供柴油机使用维修人员参考。
二、用手油泵帮助判断柴油机油路故障(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、用手油泵帮助判断柴油机油路故障(论文提纲范文)
(1)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 |
(2)基于模糊自适应理论的高压共轨柴油机多次喷射控制研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 多次喷射技术目的 |
1.3 国内外研究现状 |
1.3.1 国外研究现状 |
1.3.2 国内研究现状 |
1.4 主要研究内容 |
第二章 共轨系统介绍及多次喷射控制软件开发流程 |
2.1 高压共轨电控燃油系统的组成及工作过程 |
2.1.1 高压油泵 |
2.1.2 共轨管 |
2.1.3 压电式喷油器 |
2.2 压电式喷油器工作原理 |
2.2.1 压电执行器 |
2.2.2 液力放大机构 |
2.3 多次喷射控制软件开发流程 |
2.3.1 基于模型的设计 |
2.3.2 Simulink开发环境 |
2.3.3 多次喷射控制模型总体设计 |
2.4 模型测试与验证流程 |
2.5 本章小结 |
第三章 多次喷射控制策略制定与控制模型的建立 |
3.1 控制策略总体设计 |
3.2 工况及轨压控制模式判断模块 |
3.2.1 工况判断 |
3.2.2 轨压控制模式判断 |
3.3 轨压控制策略 |
3.3.1 轨压控制模块 |
3.3.2 电流转PWM占空比计算模块 |
3.3.3 高压油泵需求扭矩计算模块 |
3.4 多次喷射控制策略 |
3.4.1 数据管理模块 |
3.4.2 喷油控制模块 |
3.4.3 脉宽及喷射提前角控制模块 |
3.5 模糊自适应PID控制 |
3.5.1 PID控制基本原理 |
3.5.2 模糊控制基本原理 |
3.5.3 控制器模型的建立 |
3.6 本章小结 |
第四章 共轨燃油喷射系统仿真模型 |
4.1 仿真软件概述 |
4.2 高压共轨燃油喷射系统建模 |
4.2.1 高压油泵建模 |
4.2.2 共轨管建模 |
4.2.3 喷油器建模 |
4.3 主要MAP表标定 |
4.4 仿真接口参数设置 |
4.5 本章小结 |
第五章 测试与验证 |
5.1 单元测试 |
5.1.1 转速状态机测试 |
5.1.2 多次喷射控制测试 |
5.1.3 模糊自适应PID控制测试 |
5.2 联合仿真测试 |
5.3 本章小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 工作展望 |
参考文献 |
致谢 |
硕士期间发表论文与科研情况 |
(3)基于神经网络的船舶辅锅炉燃烧故障诊断研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 选题研究背景与意义 |
1.2 相关领域技术研究动态及方法 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.2.3 船舶辅锅炉故障诊断主要方法 |
1.3 船舶辅锅炉故障诊断存在的问题 |
1.4 本文研究内容及组织结构 |
1.4.1 本文主要研究内容 |
1.4.2 本文的组织结构 |
2 船舶辅锅炉燃烧故障分析 |
2.1 船舶辅锅炉组成结构 |
2.1.1 锅炉本体组成 |
2.1.2 锅炉辅助系统及设备 |
2.2 锅炉燃烧设备及系统 |
2.2.1 锅炉燃烧器及供应系统 |
2.2.2 MISSION~(TM) D型锅炉燃油供给系统 |
2.3 辅锅炉燃烧过程与故障分析 |
2.3.1 辅锅炉的燃烧过程 |
2.3.2 辅锅炉故障特点分析 |
2.3.3 辅锅炉燃烧故障可能原因 |
2.4 本章小结 |
3 船舶辅锅炉故障特征获取与数据处理 |
3.1 主成分分析法 |
3.1.1 主成分分析的几何意义 |
3.1.2 主成分分析法原理 |
3.2 锅炉燃烧故障特征获取方案 |
3.2.1 辅锅炉仿真模型验证 |
3.2.2 辅锅炉故障数据提取 |
3.3 数据预处理 |
3.4 本章小结 |
4 基于SOM神经网络的故障诊断 |
4.1 神经网络简介 |
4.1.1 人工神经元模型 |
4.1.2 神经网络的学习方式 |
4.2 SOM神经网络基本原理 |
4.2.1 SOM网络结构模型 |
4.2.2 SOM网络运行原理 |
4.2.3 SOM网络的学习算法 |
4.2.4 SOM的优势和局限性 |
4.3 应用SOM网络的船舶辅锅炉燃烧故障诊断 |
4.3.1 SOM网络参数的设定 |
4.3.2 训练SOM网络 |
4.3.3 测试SOM网络 |
4.3.4 BP神经网络结果对比 |
4.4 本章小结 |
5 基于粒子群优化SOM的故障诊断研究 |
5.1 粒子群优化算法 |
5.1.1 粒子群算法概述 |
5.1.2 粒子群算法原理 |
5.2 设计基于PSO-SOM的故障诊断模型 |
5.2.1 PSO-SOM组合算法思想 |
5.2.2 PSO-SOM算法流程 |
5.3 应用PSO-SOM算法的故障诊断研究 |
5.3.1 训练PSO-SOM网络 |
5.3.2 测试锅炉诊断模型 |
5.4 本章小结 |
6 基于混合神经网络的船舶辅锅炉燃烧故障诊断研究 |
6.1 LVQ神经网络基本原理 |
6.1.1 LVQ网络结构 |
6.1.2 LVQ网络的学习算法 |
6.2 设计混合神经网络的故障诊断模型 |
6.2.1 设计SOM-LVQ网络 |
6.2.2 故障诊断模型的整体设计 |
6.3 基于混合神经网络的故障诊断方法应用 |
6.4 神经网络诊断算法对比 |
6.5 本章小结 |
7 结论与展望 |
7.1 结论 |
7.2 可行性展望 |
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)船舶柴油机润滑系统故障诊断研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 选题背景及意义 |
1.2 柴油机故障诊断技术研究现状 |
1.2.1 柴油机故障诊断技术发展概况 |
1.2.2 柴油机故障诊断技术发展趋势 |
1.3 滑油系统故障诊断研究现状 |
1.4 论文的结构与主要研究内容 |
1.4.1 论文的总体框架 |
1.4.2 论文的主要研究内容 |
2 贝叶斯网络理论 |
2.1 贝叶斯理论基础 |
2.1.1 概率论基础 |
2.1.2 概率推理 |
2.1.3 概率图模型 |
2.1.4 贝叶斯网络 |
2.1.5 Leaky Noisy Or模型 |
2.2 贝叶斯网络推理 |
2.2.1 推理算法简述 |
2.2.2 VE推理算法 |
2.3 贝叶斯网络学习 |
2.3.1 贝叶斯网络结构学习 |
2.3.2 贝叶斯网络参数学习 |
2.4 本章小结 |
3 亚洲网络最优消元顺序构造 |
3.1 变量消元法相关概念 |
3.2 消元复杂度分析 |
3.3 消元顺序构造 |
3.3.1 最小度法搜索消元顺序 |
3.3.2 最大势搜索消元顺序 |
3.3.3 最小缺边搜索消元顺序 |
3.3.4 最小增加复杂度搜索消元顺序 |
3.4 本章小结 |
4 建立滑油系统贝叶斯诊断模型 |
4.1 WARTSILA 6L34DF柴油机简介 |
4.2 滑油系统结构原理 |
4.2.1 滑油系统组成及作用 |
4.2.2 滑油运送方式 |
4.2.3 滑油系统结构原理分析 |
4.3 建立诊断模型 |
4.3.1 滑油系统故障分析 |
4.3.2 滑油诊断模型的建立过程 |
4.3.3 滑油诊断模型搭建实例 |
4.4 变量消元法推理实例 |
4.5 本章小结 |
5 滑油诊断系统的设计及实现 |
5.1 故障诊断流程 |
5.2 软件开发环境及结构 |
5.2.1 开发环境 |
5.2.2 软件结构 |
5.3 数据库设计 |
5.4 模型代码化 |
5.5 用户界面模块设计 |
5.6 故障诊断系统的实例验证 |
5.7 本章小结 |
6 总结与展望 |
6.1 工作总结 |
6.2 展望及建议 |
结论 |
参考文献 |
附录A 滑油系统故障树及贝叶斯模型 |
附录B 滑油系统事件先验概率表 |
致谢 |
作者简历及攻读硕士学位期间的科研成果 |
(5)机车水阻试验时柴油机燃油低压油路故障浅析及防范(论文提纲范文)
0 引言 |
1 柴油机燃油低压油路故障原因分析 |
1.1 吸入油路故障原因分析 |
1.1.1 管路故障原因分析 |
1.1.2 各部件故障原因分析 |
1.2 部分输出油路故障原因分析 |
1.3 水阻试验和厂线运转试验后油路故障产生及分析 |
2 柴油机低压油路故障应对措施 |
2.1 静态下的应对措施 |
2.1.1 吸入油路管路的预处理 |
2.1.2 吸入油路各部件的预处理 |
2.1.3 部分输出油路的预处理 |
2.2 动态下的应对措施 |
2.2.1 燃油泵的预处理 |
2.2.2 管路的预处理 |
2.2.3 其他部件的预处理 |
2.2.4 非自产柴油机的预处理 |
3 结论 |
(6)CAT电喷柴油机低压油路故障判断及排除(论文提纲范文)
1 燃油油水分离器和燃油精滤器故障 |
1.1 燃油油水分离器和燃油精滤器接口吸气 |
1.2 燃油油水分离器和燃油精滤器堵塞 (如图1、2) |
2 手油泵故障 |
2.1 故障现象 |
2.2 判断方法 |
2.3 故障原因 |
2.4 故障排除 |
3 燃油输油泵故障 |
3.1 故障现象 |
3.2 判断方法 |
3.3 故障原因 |
3.4 故常排除 |
4 回油阀故障 |
4.1 回油阀卡死在开启位置 |
4.2 回油阀卡死在关闭位置 |
5 功能效益和成果应用 |
6 创新亮点 |
(7)对柴油机技术状态的不拆卸检查(论文提纲范文)
1 柴油机进气系统不拆卸检查 |
1.1 进气系统严密性能检查 |
1.2 进气系统堵塞性能检查 |
2 柴油机压缩系故障的不拆卸判断 |
3 柴油机油路故障的不拆卸判断 |
3.1 高压油路故障诊断 |
3.2 低压油路故障诊断 |
(8)农用柴油机不能起动故障分析模式(论文提纲范文)
1 柴油机不能起动且无着火征兆诊断模式 |
2 起动柴油机时, 排气管大量冒烟, 但不能起动诊断模式 |
3 结束语 |
(9)核电应急柴油发电机定期评估与故障定位方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题来源 |
1.2 研究目的及意义 |
1.3 国内外研究现状 |
1.3.1 柴油机监测分析技术现状 |
1.3.2 柴油机监测评估方法研究现状 |
1.3.3 柴油机故障诊断方法研究现状 |
1.4 本文研究内容及结构安排 |
第二章 基于AHP-Fuzzy的应急柴油发电机预警评估方法研究 |
2.1 应急柴油发电机状态评估现状 |
2.1.1 状态评估试验 |
2.1.2 评估手段和参数 |
2.2 基于AHP-Fuzzy方法的分析评估步骤 |
2.3 基于AHP-Fuzzy的EDG综合评估模型构建 |
2.3.1 多层次评估体系 |
2.3.2 基于熵权法与专家经验融合的权重分配方法 |
2.3.3 基于相对劣化度的隶属度计算 |
2.3.4 评估结果决策 |
2.4 基于实测数据的验证分析 |
2.5 本章小结 |
第三章 基于FMEA与FTA的应急柴油发电机故障模式分析 |
3.1 应急柴油发电机的FMEA分析 |
3.2 应急柴油发电机的FTA分析 |
3.2.1 故障树理论概述及常用符号说明 |
3.2.2 故障树构建步骤 |
3.3 本章小结 |
第四章 基于知识图谱的应急柴油发电机故障定位方法研究 |
4.1 本体理论 |
4.1.1 本体概念 |
4.1.2 本体建模语言和工具 |
4.2 应急柴油机故障诊断领域本体建模 |
4.2.1 故障诊断推理框架 |
4.2.2 故障诊断本体知识的表示形式 |
4.2.3 EDG故障诊断领域本体模型 |
4.2.4 领域本体间关系 |
4.2.5 诊断推理规则构建 |
4.3 故障智能诊断推理的实现 |
4.4 本章小结 |
第五章 应急柴油发电机启动超时故障定位分析 |
5.1 启动过程分析 |
5.2 启动超时故障推理流程 |
5.2.1 启动超时征兆-原因映射 |
5.2.2 启动超时故障树 |
5.2.3 启动超时故障知识表示及推理实现 |
5.3 案例分析 |
5.3.1 振动监测平台搭建 |
5.3.2 故障征兆和智能推理 |
5.3.3 专家分析论证 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
研究成果及发表学术论文 |
作者和导师简介 |
附件 |
(10)柱塞式喷油泵常见故障原因与诊断(论文提纲范文)
1 柱塞式喷油泵常见故障原因与诊断 |
1.1 喷油泵柱塞与套筒磨损 |
1.2 出油阀磨损 |
1.3 喷油泵不供油 |
1.4 喷油泵供油量过少 |
1.5 喷油泵供油量过多 |
1.6 喷油泵供油量不均匀 |
1.7 供油时间过早或过晚 |
2 结论 |
四、用手油泵帮助判断柴油机油路故障(论文参考文献)
- [1]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)
- [2]基于模糊自适应理论的高压共轨柴油机多次喷射控制研究[D]. 魏帅. 江苏大学, 2020(02)
- [3]基于神经网络的船舶辅锅炉燃烧故障诊断研究[D]. 高鹤元. 大连海事大学, 2020(01)
- [4]船舶柴油机润滑系统故障诊断研究[D]. 任东平. 大连海事大学, 2020(01)
- [5]机车水阻试验时柴油机燃油低压油路故障浅析及防范[J]. 江俊,佘磊,蒋国成. 轨道交通装备与技术, 2020(01)
- [6]CAT电喷柴油机低压油路故障判断及排除[J]. 刘强. 中国设备工程, 2019(12)
- [7]对柴油机技术状态的不拆卸检查[J]. 陶归中. 农机使用与维修, 2018(10)
- [8]农用柴油机不能起动故障分析模式[J]. 于志友. 内燃机与配件, 2018(16)
- [9]核电应急柴油发电机定期评估与故障定位方法研究[D]. 时全局. 北京化工大学, 2019(06)
- [10]柱塞式喷油泵常见故障原因与诊断[J]. 王裕文. 移动电源与车辆, 2017(03)