ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > Diesel Engine Fault Detection...>الوصف

Diesel Engine Fault Detection Based on Wavelet Transform Method Using LabView Software

المصدر: مجلة جامعة مروي التكنولوجية - عبد اللطيف الحمد
الناشر: جامعة عبد اللطيف الحمد التكنولوجية
المؤلف الرئيسي: Hebiel, Eidam Ahmed (Author)
مؤلفين آخرين: Zhouzhu (Co-Author), Sheng, Wang Dong (Co-Author), Jie, Liu (Co-Author), Eibashier, Mohamed Ahmed (Co-Author)
المجلد/العدد: ع3
محكمة: نعم
الدولة: السودان
التاريخ الميلادي: 2019
الشهر: يناير
الصفحات: 9 - 34
ISSN: 1858-8522
رقم MD: 1128764
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: EduSearch, EcoLink, HumanIndex
مواضيع:
علم الهندسة | بحوث تكنولوجيا القياس | محرك ديزل | محركات الاحتراق الداخلي | إشارات الاهتزاز
كلمات المؤلف المفتاحية:
Diesel Engine | Vibration Signal | Fault Condition | Labview | Wavelet | Fault
رابط المحتوى:
PDF (صورة)     
صورة الغلاف QR قانون

عدد مرات التحميل

1

حفظ في:
المستخلص: تتناول هذه الورقة طريقة مراقبة الحالة لمحرك ديزل رباعي الأشواط 295 محرك. تم اكتشاف خطأ محرك الاحتراق الداخلي باستخدام إشارات الاهتزاز لرأس الأسطوانة استنادا إلى نظام الحصول على البيانات المصممة بواسطة برنامج Labview. تم التقاط إشارات اهتزاز رأس الأسطوانة من خلال مستشعر تسارع كهرضغطية أثناء تشغيل المحرك بسرعات (620 و 1000 دورة في الدقيقة) وتحميلات (300 نانومتر). كان المحرك يعمل تحت خمسة ظروف عمل نقص الأسطوانة الواحدة. وننقص الأسطوانات المذدوجة. وعرقلة مشعب السحب. وعرقلة مشعب العادم والحالة الطبيعية. بعد التحلل، تقوم إشارات الاهتزاز بمستوى المويجات db5 ومستوى التحلل 5. وبالتالي الطاقة المستخرجة من كل نطاق فرعى للتردد في الظروف الطبيعية وغير الطبيعية كميزة لتشخيص خطأ المحرك وبالتالي فإن الخطأ يتميز بمقارنة تراكمات الطاقة في كل نطاق فرعى بظروف صحية خاطئة. أظهرت النتائج أن اكتشاف الخطأ باستخدام تحليل المويجات يكون ناجحاً وعملياً. وأخيراً حددنا تشخيص العيوب بتطبيق الشبكة العصبية ذات الانتشار الخلفي (BPNN) وآلة دعم المتجهات (SVM) على الإشارة التي تم جمعها من المحرك.

This paper concerns with condition monitoring method of a four-stroke, 295 a diesel engine. The fault of the internal-combustion engine was detected by using the vibration signals of the cylinder head. Based on the data-acquisition system built with Lab VIEW software, the cylinder-head vibration signals were captured through a piezoelectric acceleration sensor while the engine was running at speeds (620 and 1000 rpm) and two loads (0 and 30 N. m). The engine was running under five working conditions such as single cylinder shortage, double cylinders shortage, intake manifold obstruction, exhaust manifold obstruction and normal condition. After decomposing, the vibration signals with db5 wavelet and decomposition level 5, therefore the energy extracted from each frequency sub-band of normal and abnormal conditions as a feature of engine fault diagnosis. Thereby, the fault distinguished by the comparing the accumulations of energy in each sub-band of healthy and faulty conditions. The results showed that, detection of fault by using wavelet analysis is successful and practicable. Finally, we identified fault diagnosis by applied the back-propagation neural network (BPNN) and Support Vector Machine (SVM) on the signal collected from the engine.
ISSN: 1858-8522

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.