首页 > 行业资讯

内燃机故障诊断技术及发展趋势

添加人:admin 发布时间:2009-10-24 13:34:18 来源:中国动力设备网

<P><FONT face=Verdana><BR></FONT> </P><FONT face=Verdana>
<P><BR> <BR>一、柴油机故障诊断技术</P>
<P>  对于柴油机这一复杂的机械系统来说,每一个零部件发生故障都可能影响柴油机的正常工作,因此造成故障种类繁多,这也要求我们探讨更多的故障诊断方法来准确地定位故障源。柴油机系统在实现其特定功能——将热能转变为机械能时,直接输出扭矩、功率等,称为功能性输出,同时还伴随产生一些中间输出和附加输出,如排气温度、气缸压力、振动、噪声、油液污染、尾气排放和瞬时转速等,在柴油机的状态检测与故障诊断中,直接利用其功能输出来判断系统的运行状态和设备状态虽然是一种较简捷、直观的方法。目前国内外对柴油机故障特征提取的研究一般基于这些中间和附加输出信息。在机械设备故障诊断领域,柴油机状态监测与故障诊断技术的研究相对起步较晚,其具体采用的方法主要有性能参数法、振动分析法、油液分析法、瞬时转速法等几种,</P>
<P>  1.性能参数法</P>
<P>  性能参数的变化直接反映柴油机工作状态的变化。在柴油机产品投入市场前该设备的一些技术性能参数经过了测试,并形成了一系列技术参数指标,一般有额定工作压力、功率、油压、温度、扭矩、排放等指标。故可根据实际测定参数值与标准值的差异判定故障或工作状态。这种状态监测与故障诊断方法是最原始、最直观的,但受到测试环境和测试条件的影响,比较适用于工况稳定的固定设备及实验室测试,如柴油机发电机组、船舶柴油机、内燃机车等,目前基于这种监测与诊断方法的在线监测系统已得到广泛应用,并在逐步改善。</P>
<P>  利用气缸气体压力对柴油机进行故障诊断是该类诊断方法的代表方法。气缸工作时的气体压力变化描述了柴油机的动力性能,它综合反映了柴油机热能向机械能的转换过程,因此通过气缸内气体压力的变化可对柴油机的一些故障做出有效的判断。然而工程实际中柴油机的气缸压力信号的直接测量比较困难,故利用这种方法进行柴油机故障诊断受到了很大的限制,目前它主要适用于具有示功通道的大中型柴油机和实验室研究中。</P>
<P>  柴油机排放的检测主要用于柴油机性能分析和性能优化以及强制法规达标的检测,利用相关测量仪器获得柴油机排放气体中各物质(如NOx、HC、CO等)的含量,也可以反推柴油机相关部件的工作状态。</P>
<P>  2.振动分析法</P>
<P>  柴油机工作时必然会产生振动,其内部零部件的性能状态信息通过一定的传递途径反映到表面振动信号中,柴油机故障特征提取的依据是振动信号中包含着振源信息及系统状态等信息。故利用振动信号对柴油机进行不解体故障诊断是行之有效的方法,也是目前投入精力最大的研究方向。</P>
<P>  利用表面振动信号进行柴油机故障诊断的出发点是建立在机械动力特性分析、信号特征分析的基础上,进而研究柴油机的工作性能。一般包括时域分析法、频域分析法、时频分析法、时序分析法等。</P>
<P>  3.油液分析法</P>
<P>  铁谱和光谱分析已成为机械故障诊断和工况监测的一种有效手段,在诸多柴油机状态监测手段中润滑油的铁谱和光谱分析是可行而又有效的方法。以往的试验和经验表明,铁谱和光谱由于其本身的特点,在监测功能上有各自的优势和不足,这是因为柴油机运动件含有多种材料的摩擦副,而每一对摩擦副又会出现各种不同的磨损状态,产生于不同摩擦副的磨粒是以不溶的颗粒形式存在于润滑油中的,光谱可以准确地测定润滑油中磨损元素的含量,但不能了解其存在的形状,而且其监测灵敏度又受到磨粒本身粒度的影响,因此无法判断磨损的类型。铁谱可以直观地了解磨粒的形状、大小、成份等重要的磨损信息,但对有色金属就不具有与铁系磨粒相同的灵敏度,而且分辨能力不如光谱分析仪。所以联合采用铁谱和光谱技术,可以获得取长补短、相得益彰的效果。此外,由于利用铁谱及光谱监测的数据多,各个指标数据的重要程度也不相同,致使诊断结果可信度较低。为达到柴油机综合监测的目的,人们一直在探索一种既方便又实用的方法,目前已有人在利用铁谱及光谱技术获得的数据基础上,应用多元统计分析的动态聚类和判断分析方法、模糊聚类分析方法、灰色关联分析方法等对柴油机磨损情况和润滑油质量进行分析,并取得了一些有益的结论。</P>
<P>  在多对摩擦副情况下,铁谱及光谱分析法无法定位有问题的摩擦副,且不易实现实时在线监测,光谱诊断设备的价格昂贵,铁谱技术手动操作较多,速度慢,分析判断和识别要求有丰富经验的技术人员,标准谱图积累需时较长等,使其应用受到一定限制。</P>
<P>  4.瞬时转速法</P>
<P>  对于多缸柴油机来说,柴油机曲轴的瞬时转速波动信号能反映机器各缸的工作状态,因此通过对瞬时转速波动信号的分析可以得到机器运行状态和相关故障的丰富信息。正常情况下,各缸的动力性能基本一致,柴油机运转平稳,各缸瞬时转速波动虽有差异,但总在一个不大的范围内,并呈现某种规律性;但当某个气缸由于故障引起工作不正常时,动力的一致性遭到破坏,柴油机运转平稳性变差,瞬时转速波动信号就会产生变形,据此可以判断柴油机缸内工作过程的好坏。但是这种方法存在着以下不足:利用瞬时转速波动虽然能够确定工作不正常的缸位,但不能确定造成故障的原因。</P>
<P>  5.信息融合诊断法</P>
<P>  性能参数诊断法、振动分析诊断法、油液分析诊断法、瞬时转速诊断法都是着重从某一个方面提取柴油机状态方面的信息,对发动机的状态信息利用不完全,故应用这些状态监测与故障诊断方法的应用具有片面性和局限性。如果能将这些信息充分利用,将会提高故障诊断的准确性,信息融合技术将各种信息进行综合利用,同时消除信息的冗余性,提高状态判断的可信度和准确性。目前在机械设备故障诊断中应用的信息融合技术主要是夺传感器数据融合技术,即用多个传感器从多方面探测系统的多种物理量,对多源的信息进行分级处理,精确、及时地判断出系统状态,给出系统故障与否及故障模式的正确判定,并分析出状态(故障)、现象(征兆)和原因之间的关系。融合方式有数据层融合,特征层融合、决策层融合三种,在实际应用中可以采用一种融合方式,也可以采用多种融合方式。</P>
<P>  二、柴油机故障诊断技术发展的主要制约因素</P>
<P>  随着现代科学技术的发展及自动化程度的提高,柴油机故障诊断技术也正发生着重大的变化,但是依然有众多因素制约着柴油机故障诊断技术的进一步发展。</P>
<P>  (1)柴油机自身的结构:自柴油机问世的一百多年来,就以它复杂的结构而著称,随着高速、强载发动机的进一步紧凑化,传感器安装布置不易造成了信号测试上的困难;</P>
<P>  (2)测试方法和测试设备:尤其在现场应用中,柴油机有效状态信息的获取面临着极大的困难,如上止点信息,传感器性能或者不能满足测试环境要求、或者价格昂贵,如气缸压力传感器;</P>
<P>  (3)故障机理和故障特征:柴油机激励源众多,传递路径复杂,系统故障既有纵向性,也有横向性,且柴油机各类故障所对应的振动频率无论从理论上还是在实践中都较难准确地确定。另外由于柴油机型号众多,结构存在差异,导致故障特征的共性较差。</P>
<P>  (4)故障诊断方法:目前柴油机的故障诊断方法很多,比较凌乱,还不存在一种较为通用性的方法。这也是制约柴油机故障诊断技术发展的主要因素。</P>
<P>  此外,外界环境的影响也是不可忽略的制约因素。</P>
<P>  三、柴油机故障诊断技术发展趋势</P>
<P>  柴油机故障诊断技术与当代前沿科学的融合是柴油机故障诊断方法研究的方向。柴油机系统的复杂性、多样性和非线性,决定了其故障诊断的困难性。研究表明,柴油机振动信号是由一系列频率、幅值差别较大的瞬态响应所构成,成分复杂,其实质是柴油机在非平稳变工况运行时产生的非平稳信号。因此,非平稳信号分析方法和非线性理论的探索是柴油机乃至整个机械设备故障诊断领域今后研究的重点。</P>
<P>  随着智能技术的不断发展,柴油机工作状态的智能监测与故障的智能诊断,将成为其故障诊断技术发展的又一大趋势。智能化是指开发诊断型专家系统,使数据处理、分析、状态识别与故障诊断自动完成,以减轻诊断的工作量,并提高诊断速度及正确性。在故障诊断专家系统的建立上,要深入故障形成机理的研究,丰富系统的知识库,解决专家系统的所谓“瓶颈问题”。同时将模糊神经网络方法应用于故障诊断的专家系统中,使之具有一定的智能,具有自组织、自学习、联想的功能,从而使诊断系统自我完善、自我发展,另外,诊断系统将由集中式向分布式发展,系统的硬件生产标准化、软件设计规范化、模块化,这有利于缩短系统的开发周期,提高系统的可靠性。</P>
<P>  近二十年来,我国机械设备状态监测与故障诊断系统经历了从离线系统到在线系统、从事后维修、及定期维修到预防维修,从人工诊断系统到智能诊断系统的发展过程。许多科研单位和大专院校已经陆续开发研制了数十套在线式状态监测与故障诊断系统。然而,这些系统大都采用平稳信号分析技术,而对于柴油机复杂多变的非平稳信号缺乏有效的分析手段,因此,新一代故障诊断系统(包括软件系统和硬件系统)的研制,也是柴油机故障诊断技术的发展趋势之一。</P>
<P>  网络化也是柴油机故障诊断技术的发展方向,随着计算机网络技术的发展及通讯技术的进步,利用各种通讯手段将多个故障诊断系统联系起来,实现资源共享,可提高诊断的质量和精度。将故障诊断系统与数据采集系统结合起来形成网络或利用现场总线技术,有利于对机组的管理,减少设备投资,提高设备利用率,必要时可与企业的MIS系统相联接,促进企业管理的一体化,规范化。<BR> <BR> <BR></FONT></P>

相关新闻

  • 暂无相关内容