MEEMD在内燃机振动信号分析中的应用:活塞敲击与燃烧爆发激励分离
需积分: 9 22 浏览量
更新于2024-08-11
收藏 417KB PDF 举报
"基于MEEMD的内燃机机体活塞敲击激励与燃烧爆发激励分离研究"
本文探讨了一种改进的集总平均经验模态分解(MEEMD)技术在内燃机振动信号分析中的应用,特别是针对活塞敲击和燃烧爆发这两种主要振动源的分离。作者郑旭、郝志勇、卢兆刚和杨骥来自浙江大学能源工程学系,他们提出MEEMD作为一种更优越的自适应信号分解方法,旨在解决传统经验模态分解(EMD)和集总平均经验模态分解(EEMD)存在的问题。
经验模态分解(EMD)是一种自我适应的数据分析方法,能够对非线性和非平稳信号进行分解,但存在模态混叠的问题,即不同频率成分可能无法清晰地分离。而集总平均经验模态分解(EEMD)则是EMD的改进版,通过多次随机噪声注入来平均结果,以减少模态混叠,但仍然存在非标准IMF分量、模态分裂和白噪声残余等挑战。
MEEMD是EEMD的进一步优化,它有效地抑制了模态混叠现象,并能消除EEMD中的非标准IMF分量、模态分裂以及白噪声残余。作者通过仿真实验验证了MEEMD的优越性,表明其在处理复杂振动信号时表现更佳。
在实际应用中,研究人员选择某型号的柴油机作为研究对象,利用MEEMD对发动机机体的振动信号进行分解。发动机振动通常由多个来源引起,包括活塞敲击(即活塞与气缸壁之间的不规则接触)和燃烧爆发(燃料燃烧产生的压力波动)。通过对振动信号的MEEMD分解,可以将这两个关键激励成分分离出来,从而准确诊断出主要的振动源。
这项工作对于内燃机的故障诊断和性能优化具有重要意义,因为它提供了识别和隔离特定机械激励的方法。通过这种技术,工程师可以更好地理解发动机的动态行为,进而改进设计,提高效率,减少维护成本,以及提前预防可能的故障。此外,这种方法也对其他领域的振动分析,如机械设备状态监测、故障预测等领域具有参考价值。
关键词:柴油机;振动信号;MEEMD;活塞敲击;燃烧激励
该论文属于工程技术领域,分类号为TK421.6,文献标识码为A,表明它是一篇科研论文,为内燃机振动分析领域的理论研究和技术发展提供了新的思路。
2021-08-08 上传
2010-01-05 上传
2021-10-31 上传
2021-02-25 上传
2021-04-24 上传
2021-09-15 上传
2021-06-15 上传
2021-09-11 上传
weixin_38641876
- 粉丝: 3
- 资源: 942
最新资源
- 掌握Jive for Android SDK:示例应用的使用指南
- Python中的贝叶斯建模与概率编程指南
- 自动化NBA球员统计分析与电子邮件报告工具
- 下载安卓购物经理带源代码完整项目
- 图片压缩包中的内容解密
- C++基础教程视频-数据类型与运算符详解
- 探索Java中的曼德布罗图形绘制
- VTK9.3.0 64位SDK包发布,图像处理开发利器
- 自导向运载平台的行业设计方案解读
- 自定义 Datadog 代理检查:Python 实现与应用
- 基于Python实现的商品推荐系统源码与项目说明
- PMing繁体版字体下载,设计师必备素材
- 软件工程餐厅项目存储库:Java语言实践
- 康佳LED55R6000U电视机固件升级指南
- Sublime Text状态栏插件:ShowOpenFiles功能详解
- 一站式部署thinksns社交系统,小白轻松上手