CN109598255A - 一种基于能量算子k-梯度的往复机械振动信号冲击始点自适应提取方法 - Google Patents

一种基于能量算子k-梯度的往复机械振动信号冲击始点自适应提取方法 Download PDF

Info

Publication number
CN109598255A
CN109598255A CN201811552890.1A CN201811552890A CN109598255A CN 109598255 A CN109598255 A CN 109598255A CN 201811552890 A CN201811552890 A CN 201811552890A CN 109598255 A CN109598255 A CN 109598255A
Authority
CN
China
Prior art keywords
gradient
value
energy
vibration signal
initial point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201811552890.1A
Other languages
English (en)
Other versions
CN109598255B (zh
Inventor
茆志伟
张进杰
江志农
王子嘉
赵南洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Chemical Technology
Original Assignee
Beijing University of Chemical Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing University of Chemical Technology filed Critical Beijing University of Chemical Technology
Priority to CN201811552890.1A priority Critical patent/CN109598255B/zh
Publication of CN109598255A publication Critical patent/CN109598255A/zh
Application granted granted Critical
Publication of CN109598255B publication Critical patent/CN109598255B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明提供一种基于能量算子k‑梯度的往复机械振动信号冲击始点自适应提取方法，避免了传统冲击始点提取技术中阈值设定不合理和适应性差的问题，达到自适应及优化提取振动信号冲击始点的效果。该方法首先对振动信号进行EMD自适应滤波处理，去除信号中的低频成分，保留高频成分；然后计算Teager能量算子，突出瞬态振动冲击能量；再计算Teager能量算子的k‑梯度和k‑梯度邻域，并将k‑梯度邻域在时间序列里的第一个点作为冲击起始点；最后根据往复机械振动信号冲击的准周期特性，对计算结果利用3‑σ准则进行离群点检验，并通过自动调整k值和设定的准则优化离群点的计算结果，从而达到自适应精确提取振动信号冲击始点的目的。

Description

一种基于能量算子k-梯度的往复机械振动信号冲击始点自适 应提取方法
技术领域
本发明涉及一种振动冲击始点提取的振动特征处理方法，尤其涉及一种往复机械振动信号冲击始点自适应提取方法，适用于基于振动信号的状态监测及故障诊断领域。
背景技术
冲击通常是因接触碰撞导致零部件受力发生突变而产生的，进而使相应机械部件受力不平衡发生振动，在设备的振动信号上体现为瞬间增大并快速衰减的局部冲击。往复机械的实际振动信号一般主要由具有明确物理意义的局部冲击组成，例如内燃机的缸盖振动信号一般由点火冲击、气门开闭冲击等组成；往复压缩机气缸振动信号一般由阀片冲击振动组成。冲击始点是局部冲击信号的一个重要特征，一般可作为故障敏感特征用于设备故障诊断，例如内燃机气门开闭的冲击始点特征可用于诊断气门间隙异常故障。
目前，对于振动冲击信号始点提取，阈值判断是最常用的技术之一。针对单个局部冲击信号而言，振动幅值首次穿越阈值线的位置一般被当作冲击始点。但由于阈值的设置通常是根据经验确定，在由多个不同幅值冲击组成的实际复杂振动信号中，普遍存在阈值设定不合理或自适应性差的问题。此外，基于能量最大上升梯度的冲击始点识别方法能够达到自适应计算的目的，但实际振动信号受许多干扰因素的影响，冲击起始位置的振动能量上升梯度可能是该冲击区域中的较大者，而不是最大者，通过识别能量梯度最大值位置的提取方法往往存在较大误差。
本发明根据冲击区域能量变化的特点，结合Teager能量算子在识别瞬态振动变化方面的优势，通过设计合理的规则自适应提取能量上升梯度符合设定条件的较大值点，提出一种基于Teager能量算子上升梯度的振动冲击始点自适应精确提取新方法，从而克服传统方法中阈值设定自适应性差、计算精度差的问题，以达到自适应精确提取振动信号冲击始点的目的。
发明内容
本发明的目的在于针对现行普遍采用的冲击始点提取方法适应性差、精度不高的问题，提供一种基于Teager能量算子上升梯度的冲击始点自适应精确提取方法。
本发明通过以下技术方案实现：首先对振动信号进行EMD自适应滤波处理；然后计算Teager能量算子，突出瞬态振动冲击能量；再对局部能量算子求梯度，得到Teager能量算子梯度；提出k-梯度和k-梯度邻域的概念，并将k-梯度邻域在时间序列里的第一个点作为冲击起始点；最后根据往复机械振动信号冲击的准周期特性，对计算结果利用3-σ准则进行离群点检验，并通过自动调整k值和设定的准则优化离群点的计算结果，从而达到自适应精确提取振动信号冲击始点的目的。
1、一种基于能量算子k-梯度的往复机械振动信号冲击始点自适应提取方法，其特征在于包括以下步骤：
(1)对实际测得的往复机械整周期振动信号进行基于经验模态分解(EmpiricalMode Decomposition,EMD)的自适应滤波预处理；
(2)对上述滤波后的离散信号进行角域重采样；
(3)计算每个数据点处的局部Teager能量算子；
(4)初始设定一个正整数k，计算能量算子的k-梯度，提取在能量梯度时间序列里首次属于k-梯度邻域的能量梯度所在的位置作为冲击始点；
(5)根据往复机械振动冲击信号的稳定周期性，计算n个整周期信号冲击始点的平均值μ及标准差σ，若存在偏离平均值3σ以上的离群点，则改变k值重新计算，通过反复调整k值，直到满足终止条件，确定最终的冲击始点。
2、上述步骤(1)中，EMD自适应分解后，得到各本征模态分量(Intrinsic ModeFunction,IMF)，计算各IMF分量与原始信号的Pearson相关系数r，由下式计算得到：
其中，x表示原始信号，j表示IMF分量的序号，IMF(j)表示第j个IMF分量，Cov(IMF(j),x)表示IMF(j)与x的协方差，Var[IMF(j)]和Var[x]分别表示IMF(j)和x的方差，r(j)表示IMF(j)与x的相关系数。
然后选择相关系数不小于阈值c(取0.1～0.5之间的数)的各本征模态分量进行重构。
2、上述步骤(2)中，角域重采样采用等角度重采样方法，角度间隔d取0.1～0.5之间的数值。
3、上述步骤(3)中，离散时间序列振动信号x中的局部Teager能量算子按照下式计算：
ψd(i)＝|x2(i)-x(i-1)x(i+1)|
其中x表示经角域重采样后获得的振动信号，i表示点序号，x(i-1)、x(i)、x(i+1)分别表示x在序列号为i-1、i、i+1处的数值，ψd(i)表示序号为i处的Teager能量算子。
4、上述步骤(4)中涉及的k-梯度，定义如下：对任意自然数k,定义能量梯度为能量算子ψd在i处的梯度，用Dψd(i)表示，k-梯度Dψk-grad表示在能量梯度序列里，满足以下两个条件的能量梯度：
(1)在能量梯度序列里，至少存在k个点p满足Dψd(p)≥Dψk-grad；
(2)在能量梯度序列里，至多存在k-1个点p满足Dψd(p)＞Dψk-grad；
k-梯度Dψk-grad的计算步骤：首先计算时间序列中的所有位置的能量梯度，Dψd(i)＝ψd(i+1)-ψd(i)；然后将各位置的能量梯度进行降序排列，选择所得序列中第k个值作为k-梯度。
5、上述步骤(4)中涉及的k-梯度邻域Nk，定义如下：给定能量算子的k-梯度Dψk-grad，k-梯度邻域Nk为包含梯度值不小于Dψk-grad的所有能量梯度值。
6、上述步骤(4)中涉及的初始k值的选取，本发明提供两种方案，方案一：直接选择5～20之间的自然数；方案二：基于“方差最小”原则进行确定，即计算多组数据在不同k值下提取结果的方差，选择方差最小结果对应的k值，作为k初始值。
7、上述步骤(5)中涉及的平均值μ和标准差σ由下式计算得到：
其中，n为所取的整周期振动信号的组数；y为n组振动信号的冲击始点提取结果组成的数组；q表示y数组的序列号，y(q)为第q组整周期振动信号的冲击始点提取结果。
8、上述步骤(5)中涉及的针对离群点改变k值的策略为：设定调整步长step(取1～3)，当计算结果大于平均值以上3倍标准差时，则将k值向增大的方向调整；当计算结果小于平均值以下3倍标准差时，则将k值向减小的方向调整。调整k值过程中满足以下两个条件之一则终止，条件一：新计算结果被判定为非离群点，即计算结果处在平均值的3倍方差之内；条件二：达到设定的m次调整(m取值5～20)。若计算过程最终以条件二终止，则取m个计算结果中最靠***均值的结果作为冲击始点。
以下对本发明的每一步骤作进一步详细说明，如下：
第一步，对往复机械整周期振动信号进行EMD自适应滤波预处理，并选择与原始信号的Pearson相关系数不小于阈值c(取值0.1～0.5)的模态分量进行信号重构，得到信号s(i)；
第二步，对s(i)进行等角度角域重采样，采样角度间隔d取值0.1～0.5，获得信号x(i)；
第三步，计算经EMD自适应滤波和角域重采样后的离散信号x(i)在每个数据点i处的局部Teager能量算子ψd(i)＝|x2(i)-x(i-1)x(i+1)|；
第四步，计算局部能量算子ψd(i)的能量梯度Dψd(i)＝ψd(i+1)-ψd(i)；然后将各位置的能量梯度进行降序排列，选择初始k值(直接选择5～20之间的自然数，或计算多组数据在不同k值下提取结果的方差，选择方差最小结果对应的k值作为k初始值)，取能量梯度降序排列所得序列中第k个值作为k-梯度；进而在能量梯度序列里将不小于k-梯度的全部数值提取出来，得到k-梯度领域Nk；最后在能量算子的时间序列中提取第一个属于k-梯度领域Nk的点，作为冲击始点。
第五步，利用往复机械振动信号的准周期性，计算n(取20～40之间的数)个整周期信号冲击始点位置y(q)的平均值及标准差采用3σ准则进行离散点的判断，并循环调整k值的方法进行计算。k值的调整方法为：首先设定调整步长step(取1～3)和循环次数m(m取值5～20)，调整k值并重新计算提取结果，对新的计算结果进行离群点判断，若判定为非离群点，则终止计算；若仍判断为离群点，则继续调整k值重复上述计算过程，直到循环计算次数达到设定值m。k值的调整策略为：若计算结果大于平均值以上3倍标准差，则将k值向增大的方向调整；若计算结果小于平均值以下3倍标准差，则将k值向减小的方向调整。
附图说明
图1内燃机缸盖整周期信号原始波形
图2经EMD自适应滤波和等角度角域重采样后的内燃机缸盖整周期信号
图3整周期缸盖振动信号的Teager能量算子
图4初始k＝15情况下冲击始点提取结果
图5离群点处理后的冲击始点提取结果
具体实施方式
为了更好地了解本发明的技术方案，以下结合附图对本发明在内燃机气门关闭冲击起始相位特征提取方面的应用作进一步详细说明。
第一步，内燃机缸盖整周期信号如图1所示，对缸盖振动信号进行EMD自适应分解得到本征模态分量，选取与原始振动信号的Pearson相关系数不小于设定阈值c＝0.4的本征模态分量进行重构,得到自适应滤波处理后的信号s(i)；
第二步，对s(i)进行等角度角域重采样，采样角度间隔d取值0.1～0.5，获得信号x(i)，如图2所示；
第三步，计算上述滤波后的离散信号x(i)每个数据点i处的局部Teager能量算子ψd(i)＝|x2(i)-x(i-1)x(i+1)|，计算结果如图3所示；
第四步，本实例针对图谱中0～90°曲轴转角内的排气门关闭冲击进行说明。计算局部能量算子ψd(i)的能量梯度Dψd(i)＝ψd(i+1)-ψd(i)；设置k＝1，k＝5，k＝10，k＝15，k＝20，并计算k-梯度分别为：Dψ1-grad＝1.43x105,Dψ5-grad＝7.58x104,Dψ10-grad＝5.69x104,Dψ15-grad＝4.31x104,Dψ20-grad＝2.64x104；进而确定对应的k-梯度领域Nk，在时间序列中第一个属于Nk的点的序号分别为：Pk＝1＝137，Pk＝5＝120，Pk＝10＝120Pk＝15＝120，Pk＝20＝109，则上述点序号即对应不同k值下的冲击始点，换算到角域相位中分别为： 选择各组k值对应的方差分别为：σk＝1＝29.65，σk＝5＝11.65，σk＝10＝4.99，σk＝15＝3.61，σk＝20＝3.94，因此选择k＝15作为初始值。选择480组整周期振动波形，在初始k＝15情况下，提取计算结果如图4所示。
第四步，在初始k＝15情况下，上述480组整周期信号振动波形，目标冲击始点位置y(i)的平均值μ＝14.48及标准差σ＝3.61，存在4个计算结果大于平均值以上3倍标准差的离群点，和3个小于平均值以下3倍标准差的离群点，针对各个离群点，反复调整k值(步长为2)，在达到设定的循环次数m＝10之前，各离群值均满足3σ准则，结果如图5所示。

Claims (8)

1.一种基于能量算子k-梯度的往复机械振动信号冲击始点自适应提取方法，其特征在于包括以下步骤：
(1)对实际测得的往复机械整周期振动信号进行基于经验模态分解的自适应滤波预处理；
(2)对上述滤波后的离散信号进行角域重采样；
(3)计算每个数据点处的局部Teager能量算子；
(4)初始设定一个正整数k，计算能量算子的k-梯度，提取在能量梯度时间序列里首次属于k-梯度邻域的能量梯度所在的位置作为冲击始点；
(5)根据往复机械振动冲击信号的准周期性，计算n个整周期信号冲击始点的平均值μ及标准差σ，若存在偏离平均值3σ以上的离群点，则改变k值重新计算，通过反复调整k值，直到满足终止条件，确定最终的冲击始点。
2.根据权利要求1所述的方法，其特征在于：上述步骤(1)中，EMD自适应分解后，得到各本征模态分量，计算各IMF分量与原始信号的Pearson相关系数r，由下式计算得到：
其中，x表示原始信号，j表示IMF分量的序号，IMF(j)表示第j个IMF分量，Cov(IMF(j),x)表示IMF(j)与x的协方差，Var[IMF(j)]和Var[x]分别表示IMF(j)和x的方差，r(j)表示IMF(j)与x的相关系数。
然后选择相关系数不小于阈值c的各本征模态分量进行重构，其中c取0.1～0.5之间的数。
3.根据权利要求1所述的方法，其特征在于：上述步骤(2)中，角域重采样采用等角度重采样方法，角度间隔d取0.1～0.5之间的数值。
4.根据权利要求1所述的方法，其特征在于：上述步骤(3)中，离散时间序列振动信号x中的局部Teager能量算子按照下式计算：
ψd(i)＝|x2(i)-x(i-1)x(i+1)|
其中x表示经角域重采样后获得的振动信号，i表示点序号，x(i-1)、x(i)、x(i+1)分别表示x在序列号为i-1、i、i+1处的数值，ψd(i)表示序号为i处的Teager能量算子。
5.根据权利要求1所述的方法，其特征在于：上述步骤(4)中涉及的k-梯度，定义如下：对任意自然数k,定义能量梯度为能量算子ψd在i处的梯度，用Dψd(i)表示，k-梯度Dψk-grad表示在能量梯度序列里，满足以下两个条件的能量梯度：
1)在能量梯度序列里，至少存在k个点p满足Dψd(p)≥Dψk-grad；
2)在能量梯度序列里，至多存在k-1个点p满足Dψd(p)＞Dψk-grad；
k-梯度Dψk-grad的计算步骤：首先计算时间序列中的所有位置的能量梯度，Dψd(i)＝ψd(i+1)-ψd(i)；然后将各位置的能量梯度进行降序排列，选择所得序列中第k个值作为k-梯度；
涉及的k-梯度邻域Nk，定义如下：给定能量算子的k-梯度Dψk-grad，k-梯度邻域Nk为包含梯度值不小于Dψk-grad的所有能量梯度值。
6.根据权利要求1所述的方法，其特征在于：上述步骤(4)中涉及的初始k值的选取，采用以下两种方案之一，方案一：直接选择5～20之间的自然数；方案二：基于“方差最小”原则进行确定，即计算多组数据在不同k值下提取结果的方差，选择方差最小结果对应的k值，作为k初始值。
7.根据权利要求1所述的方法，其特征在于：上述步骤(5)中涉及的平均值μ和标准差σ由下式计算得到：
其中，n为所取的整周期振动信号的组数；y为n组振动信号的冲击始点提取结果组成的数组；q表示y数组的序列号，y(q)为第q组整周期振动信号的冲击始点提取结果。
8.根据权利要求1所述的方法，其特征在于：上述步骤(5)中涉及的针对离群点改变k值的策略为：设定调整步长step为1～3，当计算结果大于平均值以上3倍标准差时，则将k值向增大的方向调整；当计算结果小于平均值以下3倍标准差时，则将k值向减小的方向调整；调整k值过程中满足以下两个条件之一则终止，条件一：新计算结果被判定为非离群点，即计算结果处在平均值的3倍方差之内；条件二：达到设定的m次调整，m取5～20，若计算过程最终以条件二终止，则取m个计算结果中最靠***均值的结果作为冲击始点。
CN201811552890.1A 2018-12-19 2018-12-19 一种基于能量算子k-梯度的往复机械振动信号冲击始点自适应提取方法 Active CN109598255B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811552890.1A CN109598255B (zh) 2018-12-19 2018-12-19 一种基于能量算子k-梯度的往复机械振动信号冲击始点自适应提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811552890.1A CN109598255B (zh) 2018-12-19 2018-12-19 一种基于能量算子k-梯度的往复机械振动信号冲击始点自适应提取方法

Publications (2)

Publication Number Publication Date
CN109598255A true CN109598255A (zh) 2019-04-09
CN109598255B CN109598255B (zh) 2023-06-16

Family

ID=65963990

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811552890.1A Active CN109598255B (zh) 2018-12-19 2018-12-19 一种基于能量算子k-梯度的往复机械振动信号冲击始点自适应提取方法

Country Status (1)

Country Link
CN (1) CN109598255B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110263649A (zh) * 2019-05-22 2019-09-20 北京化工大学 一种基于EMD和Teager算子的变负荷活塞式发动机冲击特征提取方法
CN110514921A (zh) * 2019-07-22 2019-11-29 华南理工大学 一种电力电子变换器非平稳信号中非线性现象的识别方法
CN110954312A (zh) * 2020-02-19 2020-04-03 北京化工大学 一种基于无键相整周期信号的往复机械故障诊断方法
CN111104887A (zh) * 2019-12-11 2020-05-05 北京化工大学 一种基于振动机理与深度学习技术的整周期无键相监测方法
CN112183344A (zh) * 2020-09-28 2021-01-05 广东石油化工学院 基于波形和无量纲学习的大机组摩擦故障分析方法及***
CN116595324A (zh) * 2023-07-19 2023-08-15 北谷电子股份有限公司 信号瞬态冲击始点的提取方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070239809A1 (en) * 2006-04-06 2007-10-11 Michael Moseler Method for calculating a local extremum, preferably a local minimum, of a multidimensional function E(x1, x2, ..., xn)
CN101825489A (zh) * 2010-01-29 2010-09-08 浙江大学 电力变压器有载分接开关振动信号分离方法
CN106884919A (zh) * 2017-03-02 2017-06-23 华侨大学 一种嵌入式多级高效吸能装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070239809A1 (en) * 2006-04-06 2007-10-11 Michael Moseler Method for calculating a local extremum, preferably a local minimum, of a multidimensional function E(x1, x2, ..., xn)
CN101825489A (zh) * 2010-01-29 2010-09-08 浙江大学 电力变压器有载分接开关振动信号分离方法
CN106884919A (zh) * 2017-03-02 2017-06-23 华侨大学 一种嵌入式多级高效吸能装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HUASHU DOU等: "Energy gradient method for turbulet transition with consideration of effect of disturbance frequency》", 《JOURMAL OF HYDRODYNAMICS,SER.B》 *
熊佳明等: "基于***波及能量平衡理论的大电流冲击电弧的冲击波超压作用分析", 《中国电机工程学报》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110263649A (zh) * 2019-05-22 2019-09-20 北京化工大学 一种基于EMD和Teager算子的变负荷活塞式发动机冲击特征提取方法
CN110263649B (zh) * 2019-05-22 2021-07-20 北京化工大学 一种基于EMD和Teager算子的变负荷活塞式发动机冲击特征提取方法
CN110514921A (zh) * 2019-07-22 2019-11-29 华南理工大学 一种电力电子变换器非平稳信号中非线性现象的识别方法
CN110514921B (zh) * 2019-07-22 2022-07-26 华南理工大学 一种电力电子变换器非平稳信号中非线性现象的识别方法
CN111104887A (zh) * 2019-12-11 2020-05-05 北京化工大学 一种基于振动机理与深度学习技术的整周期无键相监测方法
CN111104887B (zh) * 2019-12-11 2024-03-29 北京化工大学 一种基于振动机理与深度学习技术的整周期无键相监测方法
CN110954312A (zh) * 2020-02-19 2020-04-03 北京化工大学 一种基于无键相整周期信号的往复机械故障诊断方法
CN110954312B (zh) * 2020-02-19 2020-11-20 北京化工大学 一种基于无键相整周期信号的往复机械故障诊断方法
CN112183344A (zh) * 2020-09-28 2021-01-05 广东石油化工学院 基于波形和无量纲学习的大机组摩擦故障分析方法及***
CN116595324A (zh) * 2023-07-19 2023-08-15 北谷电子股份有限公司 信号瞬态冲击始点的提取方法
CN116595324B (zh) * 2023-07-19 2023-11-10 北谷电子股份有限公司 信号瞬态冲击始点的提取方法

Also Published As

Publication number Publication date
CN109598255B (zh) 2023-06-16

Similar Documents

Publication Publication Date Title
CN109598255A (zh) 一种基于能量算子k-梯度的往复机械振动信号冲击始点自适应提取方法
CN110954312B (zh) 一种基于无键相整周期信号的往复机械故障诊断方法
CN111412978B (zh) 一种基于无故障振动信号的往复机械异常检测方法
CN111997758B (zh) 一种发动机配气机构异响诊断方法
CN110263649A (zh) 一种基于EMD和Teager算子的变负荷活塞式发动机冲击特征提取方法
CN105865794B (zh) 基于短时傅立叶变换和主分量分析的发动机失火故障诊断方法
CN111042917B (zh) 一种基于goa-mckd和层次离散熵的共轨喷油器微弱故障诊断方法
Bizon et al. Reconstruction of in-cylinder pressure in a diesel engine from vibration signal using a RBF neural network model
CN107290041A (zh) 一种基于相空间重构和kpcm聚类的变压器绕组松动状态监测方法
Zhao et al. Variational time-domain decomposition of reciprocating machine multi-impact vibration signals
CN111693283B (zh) 一种轴承非稳态故障特征无转速提取方法
Mohamed Fault diagnosis of ICE valve train for abnormal clearance and valve head crack using vibration signals
Li et al. Pattern recognition on diesel engine working condition by using a novel methodology—Hilbert spectrum entropy
CN112160842B (zh) 一种基于离子电流的发动机早燃和积碳的检测与区分方法
Xu et al. Gas turbine fault diagnosis based on wavelet neural network
Lin et al. Automated valve condition classification of a reciprocating compressor with seeded faults: experimentation and validation of classification strategy
CN113642204A (zh) 基于燃烧激励贡献度修正燃烧始点识别偏差的方法
CN110220711A (zh) 一种基于emd的活塞式发动机冲击特征提取方法
Grządziela et al. High and medium speed marine diesel engines injection installation vibration diagnostics
CN114320598B (zh) 一种发动机气门组异常敲击声的分析方法
CN113378740A (zh) 一种利用正交信号对柴油机缸压进行识别的方法
Saxén et al. Power balancing of internal combustion engines–a time and frequency domain analysis
CN110059732A (zh) 一种内燃机多故障诊断方法
Jiang et al. A Fault Diagnosis Method for Valve Train of Diesel Engine Considering Incomplete Feature Set
Wang et al. Research on Fault Feature Extraction of Diesel Engine Cylinder Based on MMD and KICA

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant