涡轮增压器性能检测与故障预测系统的研制

《涡轮增压器性能检测与故障预测系统的研制》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、硕士学位论文涡轮增压器性能检测与故障预测系统的研制DevelopmentofPerformanceTestingandFailurePredictionSystemofTurbocharger学21004033大连理工大学DalianUniversityofTechnology大连理工大学学位论文独创性声明作者郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究工作所取得的成果。尽我所知，除文中已经注明引用内容和致谢的地方外，本论文不包含其他个人或集体已经发表的研究成果，也不包含其他已申请学位或其他用

2、途使用过的成果。与我一同工作的同志对本研究所做的贡献均已在论文中做了明确的说明并表示了谢意。若有不实之处，本人愿意承担相关法律责任。学位论文题目：作者签名：大连理工大学硕士学位论文摘要涡轮增压器的应用极大地改善了发动机的性能，因此它一直是研究热点。为了检验涡轮增压器结构的可靠性，以及对其结构设计进行改进，需要检查涡轮增压器各项参数是否已经达到设计指标以及其他因素对涡轮增压器性能的影响。并且对涡轮增压器进行故障预测，可以保证其安全高效的运行，减少不必要的经济损失和人员伤亡。所以研制性能可靠、操作方便、满足动

3、态测量精度要求的涡轮增压器性能检测与故障预测系统具有十分重要的意义。本文致力于开发一套涡轮增压器性能检测与故障预测系统，以满足实际应用需要。首先，介绍涡轮增压器的基本结构和工作原理；研究增压器的性能参数以及特性曲线；总结涡轮增压器的常见故障及其原因，并建立涡轮增压器故障树；针对涡轮增压器的结构特点和常见故障，研究其振动分析方法，包括时域、频域、小波分析以及轴心轨迹。其次，提出了基于MGM(1，n)一SVM的涡轮增压器故障预测方法。首先分别研究了多变量灰色模型MGM(1，n)和支持向量机(SVM)：多变量灰

4、色模型是多参数故障预测，通过灰色关联度分析，选取重要参数建模，进行单步、多步预测；采用基于二叉树的支持向量机多类分类方法，构造涡轮增压器的SVM决策树，判别故障。然后重点介绍了基于MGM(!，n)．SVM的故障预测方法，该方法是结合MGM(1，n)和SVM的优点，对机械设备进行定位、定性地故障预测。并通过涡轮增压器的实例验证了其可行性、有效性和准确性。最后，设计并开发出了涡轮增压器性能检测与故障预测系统。总结并介绍涡轮增压器试验台的结构、工作原理以及种类；设计了涡轮增压器的温度、压力、转速、流量和振动测试

5、方案，以及该系统的数据库SQLServer2008结构。利用LabVIEW和MATLAB混合编程开发出了涡轮增压器性能检测与故障预测系统，并详细地介绍了该系统的功能模块，主要包括：数据采集、数据存储与管理、数据处理与分析，且该系统能够稳定有效地运行。关键词：涡轮增压器；性能检测；故障预测；LabVIEW涡轮增压器性能检测与故障预测系统的研制DevelopmentofPerformanceTestingandFailurePredictionSystemofTurbochargerAbstractTurbo

6、chargerapplicationsgreatlyimprovetheperformanceofengine，SOithasbeenaresearchhotspot．Inordertotestthereliabilityofthestructureofturbocharger，andimproveitsstructuraldesign．itneedstOcheckifalltheparametersofturbochargerhavereacheddesignindicatorsandfindother

7、factorswhichaffecttheperformanceofturbocharger．FaultpredictionofturbochargerCanensurethesafeande伍cientoperation．Italsorc：ducesunnecessaryeconomic10SSandcasualties．Soithasaveryimportantsignificancetodevelopperformancetestingandfailurepredictionsystemofturb

8、ochargerwhichhasreliableperformanceandconvenientoperation，alSOmeettherequirementsofdynamicmeasurementprecision．Inordertomeettheactualneeds，thispaperisdedicatedtodevelopperformancetestingandfailurepredictionsystemoft