디젤 엔진 고장 진단 개발 동향

디젤 엔진 고장 진단 개발 동향

디젤 엔진 고장 진단은 신호 수집, 데이터 처리 및 특성 값 추출, 고장 진단 및 분류의 세 가지 주요 부분을 포함하지만, 고장 진단 기술은 다양한 분야와 이론적 지식을 통합하여 기존 진단 기술에서 지능형 진단으로 발전했습니다. . 기술의 역사.

디젤 엔진 고장 진단 기술은 엔지니어링 응용 분야에서 많은 획기적인 발전을 이루었지만 디젤 엔진 시스템의 복잡한 구조로 인해 작동 중 부품 및 구성 요소의 작업 조건이 서로 간섭하고 고장 유형이 다양합니다. 지금까지 이상적인 결과를 얻을 수있는 신속하고 효과적이며 널리 사용되는 진단 방법은 없었습니다. 주요 어려움은 다음과 같습니다.

1. 디젤 엔진은 부품 구조가 복잡하다. 운영 중 각 작업 시스템의 역할은 명확하지 않습니다. 둘째, 디젤 엔진의 종류에 따라 구성 요소 구조, 시스템 구성, 작동 원리도 다르다. 즉, 디젤 엔진의 고장 진단 방법이 다른 디젤 엔진에 적용되어 얻은 진단 결과가 일치하지 않는다. 현재 실행 상태로.

2. 디젤 엔진은 왕복 회전식 기계 장치로 작업시 소음이 많기 때문에 특정 순간에 수집 된 진동 신호는 디젤 엔진의 상태를 제대로 반영하지 못합니다.

3. 디젤 엔진 고장 진단에서는 증상과 고장의 대응 관계를 정확히 판단 할 수 없다. 즉, 둘 사이에 일대일 대응이 아니라 일대 다 현상이다.

미래의 사회 발전에서는 과학 연구가 심화됨에 따라 지능형 최적화 알고리즘과 컴퓨터 기술이 지속적으로 업데이트되고 서로 통합되며 진단 프로세스의 속도와 정확성을 향상시키기 위해 디젤 엔진 결함 진단에 적용됩니다. 진단 결과. 시대가 진행되는 추세가 되십시오. 이를 바탕으로 향후 진행 상황은 주로 다음과 같은 측면에 반영됩니다.

1. 신호 처리 측면에서 디젤 엔진 진동 신호의 비정상 성, 과도 성, 갑작 스러움을 고려하여 신호 분석 및 처리 방법 (시간-주파수 영역 분석에서 정보 추출 방법 등)을 순차적으로 개선 및 개선 더 많은 정보를 얻으려면 기계의 상태를 반영하는 더 많은 정보는 미래의 결함 진단에서 중요한 연구 돌파구입니다.

2. 진단 결과 측면에서 지능형 최적화 알고리즘은 각각 장단점이 있습니다. 따라서 진단 결과의 정확성을 높이기 위해 다양한 최적화 알고리즘을 통합하고 장점을 보완하고 디젤 엔진 고장 분석 방법을 사용하여 진단을 진행합니다. 본 논문에서는 인공 꿀벌 군집 알고리즘을 사용합니다. 최종 디젤 엔진 결함 분류에서 더 높은 정확도를 얻는 데 사용할 수있는 최상의 성능 매개 변수를 얻기 위해 서포트 벡터 머신을 최적화합니다.

3. 기술 자원 측면에서 생산 효율성과 업무 효율성을 보장하기 위해 컴퓨터 기술을 사용하여 오류 진단 시스템 및 신호 데이터 수집 및 분석 시스템을 구축하고 네트워크 기술을 사용하여 정보를 공유하고 정보 융합의 온라인 진단을 실현합니다.