-
公开(公告)号：CN105466693B
公开(公告)日：2017-11-17
申请号：CN201510777406.5
申请日：2015-11-13
Applicant: 哈尔滨工程大学
IPC: G01M15/05
Abstract: 本发明提供的是一种基于灰色模型的柴油机燃油系统故障预诊断方法。首先等时长检测燃油系统运行参数；其次通过灰色GM(1，1)预测模型分析燃油系统运行参数劣化趋势，利用预测数据序列描述燃油系统当前性能状态，构建燃油系统状态待检模；再次，建立燃油系统故障基准模，并利用标准化方法对待检模与基准模中的运行参数进行初值像处理；最后，通过灰色关联度模型检测系统待检模与故障基准模的灰色关联度，按照最大关联度原则识别出燃油系统的当前故障类型。本发明能够在燃油系统性能劣化初期，准确识别出当前故障类型，指导维护人员对柴油机实施预防性维修，确保柴油机在最佳工作状态下运行，提高了设备的可靠性和经济性。
-
公开(公告)号：CN103900824A
公开(公告)日：2014-07-02
申请号：CN201410117072.4
申请日：2014-03-27
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于瞬时转速聚类分析的柴油机故障诊断方法。采集柴油机运行时的瞬时转速信号，并对采集到的信号进行滤波，消除噪声干扰，根据上止点信号和各缸发火顺序，分解主轴瞬时转速数据，获得各缸对应的瞬时转速信息；将处理后的信号进行时、频域分析，获取瞬时转速信号的时频域特征，构成一个二维数组；利用随机重启动K-means算法聚类分析，横向比较多缸柴油机各气缸的性能状态，设置不同的类别个数K，重复运行聚类后，选取最有意义的聚类结果作为最终诊断结果诊断出故障气缸。本发明利用随机重启动K-means算法聚类时，不需要设置大量经验性参数，避免了经验性参数对聚类结果的影响；能够快速精确定位故障气缸。
-
公开(公告)号：CN104794283B
公开(公告)日：2017-12-15
申请号：CN201510193877.1
申请日：2015-04-22
Applicant: 哈尔滨工程大学
Abstract: 本发明的目的在于提供基于离群特征分析的柴油机故障灰预测方法，首先，等时间间隔检测柴油机气缸的运行参数；其次，利用数据0‑1标准化方法对气缸运行参数进行标准化处理；再次，将柴油机气缸的综合运行状态作为聚类分析对象，将标准化处理后的气缸运行参数作为聚类对象的属性，利用蚁群LF算法分析待聚类对象，实现故障气缸的自动分离，并计算故障气缸的离群因子；最后，将故障气缸离群因子构成时间序列，在此基础上，利用灰色模型预测分析其变化趋势。根据本发明的故障诊断结果，可实现对柴油机有计划、有针对性的视情维修，保障柴油机的运行安全、降低维修费用。
-
公开(公告)号：CN103969052A
公开(公告)日：2014-08-06
申请号：CN201410216220.8
申请日：2014-05-21
Applicant: 哈尔滨工程大学
IPC: G01M15/05
Abstract: 本发明涉及一种基于离群分析的柴油机故障诊断方法。首先，将采集到的气缸运行状态数据按照统一格式整理并作标准化计算，使得各项数据在保留原有信息的条件下从有量纲转化到无量纲；进而，利用无量纲化的状态参数，根据离群因子的定义，分别计算正常状态气缸群和状态异常气缸的离群因子；最后，通过比较和分析完成对异常状态气缸离群程度的定量描述。本发明可以定量的描述柴油机故障状态从而实施针对性的视情维修，提高设备的可靠性和经济性，保障了柴油机的高效运行。
-
公开(公告)号：CN103969052B
公开(公告)日：2016-09-14
申请号：CN201410216220.8
申请日：2014-05-21
Applicant: 哈尔滨工程大学
IPC: G01M15/05
Abstract: 本发明涉及一种基于离群分析的柴油机故障诊断方法。首先，将采集到的气缸运行状态数据按照统一格式整理并作标准化计算，使得各项数据在保留原有信息的条件下从有量纲转化到无量纲；进而，利用无量纲化的状态参数，根据离群因子的定义，分别计算正常状态气缸群和状态异常气缸的离群因子；最后，通过比较和分析完成对异常状态气缸离群程度的定量描述。本发明可以定量的描述柴油机故障状态从而实施针对性的视情维修，提高设备的可靠性和经济性，保障了柴油机的高效运行。
-
Patent Agency Ranking
公开(公告)号：CN104794283A
公开(公告)日：2015-07-22
申请号：CN201510193877.1
申请日：2015-04-22
Applicant: 哈尔滨工程大学
Abstract: 本发明的目的在于提供基于离群特征分析的柴油机故障灰预测方法，首先，等时间间隔检测柴油机气缸的运行参数；其次，利用数据0-1标准化方法对气缸运行参数进行标准化处理；再次，将柴油机气缸的综合运行状态作为聚类分析对象，将标准化处理后的气缸运行参数作为聚类对象的属性，利用蚁群LF算法分析待聚类对象，实现故障气缸的自动分离，并计算故障气缸的离群因子；最后，将故障气缸离群因子构成时间序列，在此基础上，利用灰色模型预测分析其变化趋势。根据本发明的故障诊断结果，可实现对柴油机有计划、有针对性的视情维修，保障柴油机的运行安全、降低维修费用。
-
公开(公告)号：CN105547717B
公开(公告)日：2018-07-24
申请号：CN201510883986.6
申请日：2015-12-04
Applicant: 哈尔滨工程大学
IPC: G01M99/00
Abstract: 本发明涉及的是基于贝叶斯网络的柴油机润滑系统故障诊断方法。本发明将润滑系统的故障类型和外部征兆分别抽象为故障层节点和征兆层节点，建立柴油机润滑系统贝叶斯网络模型；利用数据采集系统检测柴油机润滑系统的性能参数，采用线性比例变换法对性能参数进行归类处理，根据获取的润滑系统实际工作状态信息；采用Hugin联合树算法将修正后的润滑系统贝叶斯网络模型转化为联合树。本发明在实施推理诊断前，依据润滑系统的实际工作状态，通过重置故障层节点的先验概率，对贝叶斯网络模型进行了适应性修正，使得模型能够准确描述润滑系统的实际工作状态，从而降低模型推理的不确定性，提高了故障诊断的准确率。
-
公开(公告)号：CN104295373B
公开(公告)日：2016-11-23
申请号：CN201410525303.5
申请日：2014-10-08
Applicant: 哈尔滨工程大学
IPC: F02B77/08
Abstract: 本发明的目的在于提供基于三点模型的柴油机故障预测方法，首先采集柴油机运行状态数据并进行数值滤波，获得无干扰时序数列。继而拟合时序状态参数变化趋势，建立柴油机三点预测模型，据此前向外推，获得预测数据，从而实现对柴油机未来工作状态的趋势预测。根据本发明的故障诊断结果，可以在设备劣化初期准确预测出柴油机未来劣化趋势，指导工作人员对柴油机视情维修；本发明基于三点模型预测柴油机故障，具有不需要样本数据全部统计特征、运算简捷、使用方便、结果准确以及尤其适用于近期预测等优点。
-
公开(公告)号：CN103900824B
公开(公告)日：2016-09-14
申请号：CN201410117072.4
申请日：2014-03-27
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于瞬时转速聚类分析的柴油机故障诊断方法。采集柴油机运行时的瞬时转速信号，并对采集到的信号进行滤波，消除噪声干扰，根据上止点信号和各缸发火顺序，分解主轴瞬时转速数据，获得各缸对应的瞬时转速信息；将处理后的信号进行时、频域分析，获取瞬时转速信号的时频域特征，构成一个二维数组；利用随机重启动K‑means算法聚类分析，横向比较多缸柴油机各气缸的性能状态，设置不同的类别个数K，重复运行聚类后，选取最有意义的聚类结果作为最终诊断结果诊断出故障气缸。发明利用随机重启动K‑means算法聚类时，不需要设置大量经验性参数，避免了经验性参数对聚类结果的影响；能够快速精确定位故障气缸。
-
公开(公告)号：CN105547717A
公开(公告)日：2016-05-04
申请号：CN201510883986.6
申请日：2015-12-04
Applicant: 哈尔滨工程大学
IPC: G01M99/00
CPC classification number: G01M99/00
Abstract: 本发明涉及的是基于贝叶斯网络的柴油机润滑系统故障诊断方法。本发明将润滑系统的故障类型和外部征兆分别抽象为故障层节点和征兆层节点，建立柴油机润滑系统贝叶斯网络模型；利用数据采集系统检测柴油机润滑系统的性能参数，采用线性比例变换法对性能参数进行归类处理，根据获取的润滑系统实际工作状态信息；采用Hugin联合树算法将修正后的润滑系统贝叶斯网络模型转化为联合树。本发明在实施推理诊断前，依据润滑系统的实际工作状态，通过重置故障层节点的先验概率，对贝叶斯网络模型进行了适应性修正，使得模型能够准确描述润滑系统的实际工作状态，从而降低模型推理的不确定性，提高了故障诊断的准确率。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.023 seconds)
