一、柴油机涡轮增压器的合理使用与故障排除（论文文献综述）
沈浩生[1]（2020）在《面向轮机模拟器的船用大型二冲程柴油机建模方法研究》文中指出本文以建立一类能够同时满足轮机模拟器对仿真速度与仿真精度要求的船用大型低速二冲程柴油机工作过程数学模型为课题中心内容,重点研究了船用大型压气机质量流量与等熵效率的建模方法以及发动机平均值模型无法预测缸内压力的解决方法,同时结合作者多年的实际项目开发经验,对轮机模拟器中主机仿真系统的开发流程与实施方案进行了详细的介绍与总结,对其中涉及到的关键技术进行了探讨,完成了理论向实践的转换。压气机模型对于涡轮增压发动机整机模型的稳态仿真精度与瞬态响应能力均具有重要的影响,而目前文献中尚无关于各类压气机质量流量与等熵效率模型在船用大型压气机中的适应性对比研究。为了揭示它们在船用大型压气机不同工作区域的预测精度与外推能力,并更好的服务于轮机模拟器中主机仿真系统的开发,以两台具有不同尺寸、流量范围与转速范围的船用大型压气机为研究对象,对比、分析了一些经典的以及近些年所提出的压气机质量流量与等熵效率模型对压气机性能图谱中已有样本数据点的预测精度以及向非设计工况区域的外推能力。在所得到的对比分析结果基础上,总结了各类压气机模型的优势与劣势,凝练了若干指导性意见,可供同领域的科研人员参考。此外,还提出了一种基于涡轮机械Euler方程的压气机叶片直径估算方法,该方法仅需利用压气机的性能图谱作为输入数据。在以A270-L59型、TCA88-25070型与TCA55型这三台具有不同尺寸大小的船用大型压气机为测试对象时,估算结果的相对误差不超过1%,展现出了令人满意的估算精度。针对查表法外推结果不可靠以及单一的曲线拟合法在压气机不同工作区域的预测与外推精度不一致的问题,提出了一种压气机质量流量的分区域建模方法。该方法以压气机的性能图谱为基础,首先通过定义区域划分标准,将其整个工作区域划分为设计工况区、低转速区、高转速区与低压比区,然后为每个区域选择预测或外推精度最高的模型。为了防止压气机的运行点在由其它区域进入低压比区时可能出现的不连续间断点,应用了一种曲线融合方法,可保证等转速线的平滑过渡。该建模方法充分利用了已有压气机质量流量数学模型的优势,既能够准确地预测设计工况区域内的已有样本数据点,又能够合理、稳健地外推至非设计工况区域。对Hadef等熵效率模型进行了改进,即利用压气机性能图谱中已有的等转速线将“质量流量-实际消耗比焓”平面划分为若干区域,再分别进行模型参数的校正,因此能够更加准确地描述压气机在不同转速范围内的工作特性。相比原模型,改进后的Hadef等熵效率模型能够有效提升对性能图谱中已有样本数据点的预测精度,同时展现出了令人满意的外推能力。在MATLAB/Simulink仿真环境下,以MANB&W7S80ME-C9.2型船用大型低速二冲程柴油机为研究对象,建立了主机工作过程仿真模型。给出了一种模型参数的校正方法,能够有效平衡主机仿真模型在各负荷条件下的仿真精度。通过开展稳态与瞬态仿真实验,验证了主机工作过程数学模型的正确性与合理性。对发动机平均值模型进行了简化,移除了主机工作过程数学模型中用于计算扫气箱内工质温度的微分方程,并假设扫气温度时刻等于空冷器的空气出口温度,经验证该简化方法并不会对主机各主要性能参数的稳态仿真精度与瞬态响应能力造成明显影响,从而可在一定程度上加快主机仿真模型的计算速度,同时为轮机模拟器中其它机电设备数学模型的细化提供空间。根据二冲程柴油机在换气过程中缸内压力曲线的特点,对一类适用于四冲程火花塞点燃式发动机的气缸压力解析模型进行了修正,即利用两个线性函数来计算换气过程的缸内压力,使之可适用于船用大型二冲程柴油机。为了取得令人满意的预测精度,利用实船测量数据与容积法模型生成的仿真数据对气缸压力解析模型中的模型参数进行校正,包括压缩与膨胀多变过程的多变指数、压缩多变过程参考点的温度与压力、燃烧效率系数以及Wiebe函数中的模型参数。将校正后的气缸压力解析模型与平均值模型相耦合解决了平均值模型无法预测缸压曲线的缺点,通过与实测示功图相对比,可发现能够很好地模拟船用大型二冲程柴油机工作循环内各阶段缸内压力的变化趋势以及较为准确地预测压缩压力与爆发压力及其曲轴转角位置。通过调整气缸压力解析模型与平均值模型的计算频率,解决了二者计算速度不一致的问题,实现了二类模型的同步。相比“容积法-平均值”混合模型,所建立的“气缸压力解析模型-平均值”混合模型在取得相近仿真速度的前提下,能够更加真实地反应缸内压力的瞬态响应过程。最后,以建立与验证的船用大型低速二冲程柴油机工作过程数学模型为基础,开发了超级大型油轮轮机模拟器中的主机仿真系统,并基于WPF技术完成了相应二维仿真界面的设计与制作,实现了分辨率自适应与局部缩放这两类实用功能。此外,对仿真界面程序与仿真模型程序的运行与刷新机制进行了优化,提升了仿真系统的运行流畅性与实时性。
高志龙[2]（2020）在《基于状态智能预警驱动的柴油机IETM关键技术研究与应用》文中指出柴油机作为一种关键动力设备,被广泛用于船舶航运、轨道交通、石油化工、能源电力、矿山机械、装备动力等相关行业,在国民经济乃至国防安全领域发挥着极为重要的作用。但由于其部件众多、结构复杂、工况恶劣,极易发生故障。一旦出现恶性故障将会导致停工停产,严重时甚至引发危及人身安全的重大事故。然而,当前柴油机监测报警技术较为落后,故障发生后无法得到精准识别,导致检维修效率低下。通过研究柴油机故障发生机理与对应的特征信号,借助先进算法有效提取特征参数,以实现柴油机典型机械故障的预警与诊断。并将故障诊断与交互式电子技术手册（IETM）技术相结合,实现监测、预警、诊断、维修、维护、管理等综合保障功能的深度融合,从而提升柴油机运行的安全性、可靠性和可用性。本文以大功率柴油机为对象,以提高其典型机械故障预警诊断水平和维修保障能力为目标,通过对典型机械故障机理的深入分析,研究适用于不同种类故障的预警和诊断方法。结合智能诊断算法实现柴油机运行工况的自动识别,提高预警和诊断准确率。最后探索基于故障预警驱动的IETM设计方法与架构。论文各章节主要研究内容如下:首先,综合归纳大功率柴油机典型机械故障类型,理清传统诊断方法面临的问题与挑战,分析智能诊断预警技术现状。研究国内外IETM技术发展历程、技术难点和未来发展趋势。在现有研究基础上,总结基于智能预警驱动的柴油机IETM系统关键技术点。其次,针对柴油机连杆衬套滑移,轴瓦磨损两类疑难故障,开展理论建模研究。通过建立相关数学模型,寻找故障典型特征。提出基于SAW（声表面波）无源无线测温技术的柴油机轴瓦磨损类故障预警诊断方法。研制柴油机连杆大小头瓦无线温度传感器,通过故障模拟试验证明该方法的有效性;然后,针对曲轴弯曲微变形这类恶性故障,建立多体动力学模型,通过模拟、仿真、分析其对应的故障特征及敏感参数,探究该类故障预警诊断的有效方法,并通过理论分析与实际故障案例相结合的方式证明该方法可行性;研究基于振动信号自适应的EMD降噪和聚类算法的柴油机运行功率自动识别算法,通过该算法实现对柴油机运行工况的自动识别。在无需增加传感器的前提下,引入柴油机输出功率作为预警诊断参考指标。此外,结合瞬时转速、温度、压力等参数,研究基于多源信息融合的复杂故障预警诊断方法,提高故障预警诊断的准确性。在上述研究成果的基础上,总结柴油机典型故障诊断系统设计方法。并利用实验和工程实际案例数据对系统功能进行验证。最后,研究基于智能预警驱动的IETM设计方法与架构。梳理传统IETM研制流程和编制规范,提出智能预警诊断技术与IETM相结合的实现方案,并给出基于状态智能预警驱动的柴油机IETM总体实现方法和步骤。
马海清[3]（2020）在《柴油机增压器喘振故障的排查分析》文中研究说明近年来我国海上运输事业发展态势良好,船舶出海的时间与频率不断增加,其柴油机的使用效率不断提升,柴油机在运行时也会伴随着各类故障问题的出现。基于此,文章以柴油机增压器作为研究对象,结合柴油机增压器的喘振故障情况,分析故障可能存在的原因,按照相应的故障排查步骤提出故障解决建议。
戴琳[4]（2020）在《基于热力学原理的智能低速机故障模拟研究》文中指出随着智能船舶1.0研发专项的开展,船舶动力系统中故障诊断系统的开发尤为重要。故障诊断系统可以实现设备由传统的定期维护事后维护向基于状态的智能使用与智能维护的转变,从而保障船舶设备全寿命周期高效运行,同时降低运行维护成本。故障诊断系统需要故障原因与故障现象的一一对应关系来提供支持,基于仿真技术开展故障模拟研究,可以节省成本,成为目前故障诊断系统开发的重要环节。本文基于MATLAB/Simulink仿真平台建立可以用于故障模拟的低速机稳态仿真模型,其中包括气缸工作过程、进气系统、排气系统、涡轮增压器和中冷器这五个模块,并将100%、75%、50%、25%这四个工况下仿真结果与试验数据进行了对比分析。设置了低速机活塞顶部积碳、喷油提前和滞后、空气滤清器堵塞、涡轮格栅堵塞、中冷器冷却度下降六种常见的故障,分析其输出参数随故障源的变化规律,为故障诊断提供支持。基于故障模拟所提供的故障样本集,本文用84组数据训练出可用故障诊断的RBF神经网络模型,向训练完成的神经网络中输入指定的低速机出现故障的主要性能参数,根据输出结果判断故障模拟所提供的故障样本集是否完整。最终,根据输入的指定性能参数确定了故障所在的位置,判断了故障模拟提供的故障样本集是完整的。最后,本文建立了故障模拟的低速机动态仿真模型,在低速机稳态仿真模型的基础上,增加了螺旋桨、转动平衡和调速器模型。将低速机动态过程仿真结果与实验值进行对比分析。在确保动态模型准确的基础上,模拟了活塞顶部积碳故障和喷油提前与延迟故障的动态变化规律,分析输出参数随故障源的动态变化规律,为低速机动态过程的故障诊断提供支持与帮助。
宁振华,周后余[5]（2019）在《柴油机故障案例及诊断技巧》文中研究说明随着柴油机控制技术的不断发展,柴油机的维修对维修人员的技术要求也越来越高。按照传统的柴油机故障诊断思路、维修方法,已经跟不上现代柴油机发展的需要,因此,现在的柴油机维修,维修人员不仅要学习电子控制技术、柴油机新技术、新理论知识,还要学会熟练使用汽车故障检测仪和各种辅助检测设备。本文以柴油机故障案例为主,重点介绍了柴油机的故障诊断方法、技巧及故障诊断时的注意事项,与同行们一起探讨学习。
魏伟达[6]（2019）在《柴油机增压器的故障预测与健康管理》文中进行了进一步梳理伴随着我国列车的高速发展,涡轮增压器作为列车发动机的关键部件之一,在机车的动力性、经济性和可靠性等方面发挥着重要的作用,因此对增压器的故障进行预测是非常必要的。本文重点研究了机车涡轮增压器故障预测的方法,建立了故障预测模型,设计开发了一套机车涡轮增压器故障预测系统。首先,根据文献资料和增压器的故障数据,总结涡轮增压器的常见故障,分析每类故障发生的主要原因并给出解决方案,为后续的预测系统提供技术支持。其次,提出了GA-SGNN的机车涡轮增压器故障预测方法。首先找出表征增压器工作性能的状态参数,计算多变量之间的关联度,然后建立了多变量灰色预测模型（MGM（1,n））对变量进行预测,用残差和相对误差检验了模型的精度,得出相对误差均小于5%,结果表明MGM（1,6）模型的精度符合要求。在MGM（1,6）模型基础上有机结合BP神经网络,建立串联灰色神经网络预测模型（SGNN模型）,结果表明SGNN模型预测精度比MGM（1,6）模型预测精度高。在建立的SGNN模型的基础上,引入遗传算法来改善灰色神经网络模型的局部最优和收敛性问题,建立了基于遗传算法的灰色神经网络模型（GA-SGNN）并对模型的精度进行了检验,结果表明GA-SGNN模型的相对误差均在4%以内,可以很好的保证模型的可靠性和精度。然后,提出了RBF神经网络的增压器故障诊断方法。根据机车涡轮增压器运行参数的特点和RBF神经网络在故障诊断中的优势,建立了RBF神经网络模型,然后利用模型对故障数据进行了学习,最后对GA-SGNN模型的预测值进行了故障预测,结果表明RBF神经网络可以准确的诊断出增压器的故障,故障与实际情况相符。最后,开发了机车涡轮增压器故障预测系统。将增压器常见故障原因及解决措施、GA-SGNN模型和RBF神经网络模型应用到预测系统中,利用MATLAB GUI模块完成了机车涡轮增压器故障预测系统的开发。实现了数据导入、数据预测和数据故障诊断的功能,并建立了技术库提供了增压器常见的故障原因及解决方案。
张隽[7]（2019）在《浅谈救助船16/24系列发电柴油机TCR12型涡轮增压器日常维护保养和常见故障排查》文中研究表明中高柴油机重工有限公司生产的L16/24同系列发电柴油机已广泛应用于沿海专业救助拖轮,该系列发电柴油机的增压器主要为TCR系列涡轮增压器。在使用过程中,增压器经常出现故障,困扰船舶电力正常输送。因此,增压器的日常维护保养和故障排查显得尤为重要,能够防患于未然,减少机械设备故障率,保证机械设备正常运转。
吕运,汪兆臣,孙文豪[8]（2019）在《8L20/27柴油机增压器喘振故障的分析与排除》文中指出以某船8L20/27柴油机发生的一次废气涡轮增压器喘振故障检查排除过程为例,通过分析增压器喘振故障的机理和该型柴油机结构特点,建立喘振故障树,给出简单排除故障的建议,并提出故障排除和使用维护管理意见,为类似故障诊断提供参考。
孙齐虎,吕运,汪兆臣[9]（2019）在《船舶柴油机增压器喘振故障的分析与排除》文中研究表明分析柴油机增压器喘振故障机理和影响因素,结合船舶柴油机结构复杂、工况变换频繁、航区比较广等特点,以故障树的形式分析探讨船舶柴油机增压器发生喘振故障的原因。以某船舶柴油机的一次增压器喘振故障为例,总结此类故障的分析、排除方法,为解决类似故障提供参考。
李朝伟[10]（2019）在《消防泵柴油机涡轮增压器故障诊断及处理》文中指出针对柴油机涡轮增压器在使用过程中出现蜗壳发红等一系列问题,分析了柴油机涡轮增压器的结构和原理,对故障现象产生的原因进行了分析,并提出了处理方法,最后对日常维护保养及故障处理提出了一些建议,供维修人员参考。
二、柴油机涡轮增压器的合理使用与故障排除（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、柴油机涡轮增压器的合理使用与故障排除（论文提纲范文）
（1）面向轮机模拟器的船用大型二冲程柴油机建模方法研究（论文提纲范文）
| 创新点摘要 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究的背景与意义 |
| 1.2 国内外发动机建模方法研究现状及进展 |
| 1.2.1 CFD模型 |
| 1.2.2 准维模型 |
| 1.2.3 容积法模型 |
| 1.2.4 平均值模型 |
| 1.2.5 混合模型 |
| 1.2.6 增压器建模方法 |
| 1.3 国内外轮机模拟器研究现状及进展 |
| 1.4 研究思路和主要研究内容 |
| 1.4.1 现有研究存在的不足 |
| 1.4.2 研究思路与章节安排 |
| 2 船用大型二冲程柴油机建模方法基本理论 |
| 2.1 仿真对象 |
| 2.1.1 基本技术参数 |
| 2.1.2 工作循环 |
| 2.1.3 模型边界 |
| 2.2 气缸 |
| 2.3 增压器 |
| 2.3.1 压气机 |
| 2.3.2 涡轮机 |
| 2.4 进排气管 |
| 2.5 空冷器、辅助风机与废气旁通阀 |
| 2.5.1 空冷器 |
| 2.5.2 辅助风机 |
| 2.5.3 废气旁通阀 |
| 2.6 调速器与螺旋桨 |
| 2.7 本章小结 |
| 3 压气机建模方法在船用大型压气机中的适应性对比研究 |
| 3.1 压气机性能图谱 |
| 3.2 无量纲系数 |
| 3.3 一种基于涡轮机械Euler方程的压气机叶片直径估算方法 |
| 3.4 压气机建模方法 |
| 3.4.1 压气机质量流量数学模型 |
| 3.4.2 压气机等熵效率数学模型 |
| 3.5 研究对象、对比方法与误差评价指标 |
| 3.6 压气机质量流量模型对比 |
| 3.6.1 设计工况区 |
| 3.6.2 低压比区 |
| 3.6.3 低转速区 |
| 3.6.4 高转速区 |
| 3.7 压气机等熵效率模型对比 |
| 3.7.1 设计工况区 |
| 3.7.2 低压比区 |
| 3.7.3 低转速区 |
| 3.7.4 高转速区 |
| 3.8 适应性对比结果总结与讨论 |
| 3.8.1 总结 |
| 3.8.2 讨论 |
| 3.9 本章小结 |
| 4 压气机质量流量与等熵效率分区域建模方法 |
| 4.1 压气机质量流量分区域建模方法 |
| 4.1.1 区域划分方法 |
| 4.1.2 低压比区曲线融合方法 |
| 4.1.3 喘振区处理方法 |
| 4.2 压气机等熵效率分区域建模方法 |
| 4.3 本章小结 |
| 5 主机仿真程序开发与验证 |
| 5.1 模型参数校正方法 |
| 5.2 仿真结果分析 |
| 5.2.1 稳态仿真分析 |
| 5.2.2 瞬态仿真分析 |
| 5.3 主机工作过程数学模型的简化方法 |
| 5.4 本章小结 |
| 6 平均值模型的改进方法 |
| 6.1 气缸压力解析模型的修正 |
| 6.2 模型参数的校正 |
| 6.2.1 压缩与膨胀过程多变指数的校正 |
| 6.2.2 压缩多变过程参考点压力与温度的校正 |
| 6.2.3 燃烧效率系数的校正 |
| 6.2.4 Wiebe函数模型参数的校正 |
| 6.3 气缸压力解析模型与平均值模型之间的耦合及验证 |
| 6.4 本章小结 |
| 7 轮机模拟器主机仿真系统的设计与实现 |
| 7.1 轮机模拟器的整体设计 |
| 7.2 主机仿真系统的实现 |
| 7.2.1 仿真界面程序 |
| 7.2.2 仿真模型程序 |
| 7.3 本章小结 |
| 8 结论与展望 |
| 8.1 全文结论 |
| 8.2 研究展望 |
| 参考文献 |
| 附录 轮机模拟器DNV认证证书 |
| 作者简介及攻读博士学位期间的科研成果 |
| 致谢 |
（2）基于状态智能预警驱动的柴油机IETM关键技术研究与应用（论文提纲范文）
| 学位论文数据集 |
| 摘要 |
| ABSTRACT |
| 符号说明 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究综述 |
| 1.2.1 柴油机故障传统监测诊断方法概况 |
| 1.2.2 柴油机故障智能监测诊断技术研究概况 |
| 1.2.3 IETM技术发展概况 |
| 1.3 前人的研究成果 |
| 1.3.1 柴油机监测诊断方面研究成果 |
| 1.3.2 智能诊断技术研究成果 |
| 1.3.3 IETM技术研究成果 |
| 1.4 论文结构与内容安排 |
| 第二章 柴油机典型机械故障分类与预警诊断技术 |
| 2.1 柴油机典型机械故障分类及其特征信号 |
| 2.1.1 柴油机典型机械故障分类 |
| 2.1.2 柴油机典型机械故障特征信号类型 |
| 2.2 柴油机典型机械故障监测预警方法 |
| 2.2.1 基于统计特征参量分析的时域信号监测预警方法 |
| 2.2.2 基于振动信号角域分析的故障诊断预警方法 |
| 2.2.3 基于振动信号时频分析的故障监测预警方法 |
| 2.2.4 基于振动信号自适应的EMD智能预警方法 |
| 2.2.5 基于K近邻的柴油机故障识别预警方法 |
| 2.3 柴油机故障预警诊断技术难点 |
| 2.4 本章小结 |
| 第三章 柴油机连杆轴瓦故障监测预警方法研究 |
| 3.1 连杆小头衬套滑移故障 |
| 3.1.1 连杆小头衬套滑移故障机理 |
| 3.1.2 连杆小头衬套滑移故障特征与监测难点分析 |
| 3.2 连杆轴瓦磨损故障 |
| 3.2.1 连杆轴瓦磨损故障类型与传统监测方法 |
| 3.2.2 连杆轴瓦磨损故障特征 |
| 3.3 基于SAW无线测温技术的轴瓦磨损类故障预警与诊断方法研究 |
| 3.3.1 SAW无源无线测温原理 |
| 3.3.2 基于SAW的连杆轴瓦温度传感器的设计 |
| 3.3.3 信号处理装置的设计 |
| 3.3.4 软件系统的设计 |
| 3.4 实验验证 |
| 3.4.1 高速单缸机配机试验 |
| 3.4.2 轴瓦磨损故障模拟试验 |
| 3.5 本章小结 |
| 第四章 柴油机曲轴弯曲微变形故障诊断方法研究 |
| 4.1 曲柄连杆简化模型的理论分析计算 |
| 4.1.1 曲柄连杆力学模型分析 |
| 4.1.2 曲柄模型简化 |
| 4.1.3 横向力作用下曲轴受力分析 |
| 4.1.4 弯曲形变对于横向力作用下曲轴受力影响 |
| 4.2 基于多体动力学仿真的故障特征研究 |
| 4.2.1 模型建立与参数设置 |
| 4.2.2 仿真过程 |
| 4.2.3 仿真结果分析 |
| 4.3 曲轴弯曲微变形故障监测预警方法 |
| 4.4 故障案例验证 |
| 4.4.1 传感器与测点布置 |
| 4.4.2 故障现象描述 |
| 4.4.3 数据分析与故障诊断结论 |
| 4.5 本章小结 |
| 第五章 柴油机典型机械故障智能预警诊断系统设计 |
| 5.1 基于缸盖振动信号概率密度分布的柴油机输出功率识别算法 |
| 5.1.1 缸盖振动信号截止滤波预处理 |
| 5.1.2 基于自适应EMD分解的缸盖振动信号处理方法研究 |
| 5.1.3 基于振动速度概率密度分布的功率识别方法 |
| 5.2 基于改进KNN的柴油机故障报警阈值动态自学习算法 |
| 5.2.1 训练集的构建 |
| 5.2.2 K值的确定 |
| 5.2.3 报警阈值动态学习方法 |
| 5.3 柴油机在线监测预警系统设计 |
| 5.3.1 系统总体设计 |
| 5.3.2 硬件方案 |
| 5.3.3 软件方案 |
| 5.4 工程应用案例 |
| 5.4.1 故障情况 |
| 5.4.2 报警信息与监测数据分析 |
| 5.4.3 故障原因探究 |
| 5.4.4 结论 |
| 5.5 本章小结 |
| 第六章 基于智能预警驱动的柴油机IETM架构设计 |
| 6.1 IETM平台的功能模块 |
| 6.1.1 多媒体制作工具 |
| 6.1.2 XML编辑器 |
| 6.1.3 公共源数据库 |
| 6.1.4 发布引擎 |
| 6.1.5 浏览器 |
| 6.2 标准IETM内容模块 |
| 6.3 IETM的开发流程 |
| 6.3.1 数据模块编码 |
| 6.3.2 数据模块需求列表(DMRL)编制 |
| 6.4 基于智能预警驱动的柴油机IETM架构设计 |
| 6.4.1 架构设计 |
| 6.4.2 具体实现 |
| 6.5 本章小结 |
| 第七章 结论与展望 |
| 7.1 研究结论与成果 |
| 7.2 主要创新点 |
| 7.3 展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 作者和导师简介 |
| 附件 |
（3）柴油机增压器喘振故障的排查分析（论文提纲范文）
| 1 柴油机增压器喘振故障情况与原因分析 |
| 1.1 故障情况描述 |
| 1.2 故障原因分析 |
| 2 柴油机增压器喘振故障的排查分析 |
| 2.1 在柴油机增压器运转中进行故障排查 |
| 2.2 将柴油机增压器靠码头拆检 |
| 2.3 将柴油机增压器进厂修理 |
| 2.4 故障排除启示与相关建议 |
| 3 总结 |
（4）基于热力学原理的智能低速机故障模拟研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 故障模拟与故障诊断研究现状 |
| 1.2.1 故障模拟原理及研究现状 |
| 1.2.2 故障诊断原理及研究现状 |
| 1.3 本文主要工作 |
| 第2章 智能船用低速机故障模拟稳态仿真模型 |
| 2.1 智能船用低速机稳态仿真模型 |
| 2.1.1 低速机缸内工作过程模型 |
| 2.1.2 涡轮增压系统的模型 |
| 2.1.3 中冷器模型 |
| 2.2 智能船用低速机稳态仿真模型的验证 |
| 2.2.1 基本参数的输入 |
| 2.2.2 缸内工作过程仿真结果验证 |
| 2.2.3 涡轮增压系统仿真结果验证 |
| 2.2.4 进、排气系统仿真结果验证 |
| 2.2.5 中冷器仿真结果验证 |
| 2.3 燃烧室中典型故障的设置及其仿真模型 |
| 2.3.1 活塞顶部积碳 |
| 2.3.2 喷油提前与滞后 |
| 2.4 涡轮增压系统中典型故障的设置及其仿真模型 |
| 2.4.1 空气滤清器堵塞 |
| 2.4.2 涡轮格栅堵塞 |
| 2.5 中冷器典型故障的设置及其仿真模型 |
| 2.6 本章小结 |
| 第3章 智能船用低速机稳态故障模拟仿真分析与验证 |
| 3.1 故障系数的设定 |
| 3.2 指定性能参数的选取 |
| 3.3 故障模拟结果 |
| 3.3.1 活塞顶部积碳 |
| 3.3.2 喷油提前 |
| 3.3.3 喷油滞后 |
| 3.3.4 空气滤清器堵塞 |
| 3.3.5 涡轮格栅堵塞 |
| 3.3.6 中冷器冷却度下降 |
| 3.4 故障诊断 |
| 3.4.1 RBF神经网络的搭建 |
| 3.4.2 故障诊断结果 |
| 3.5 本章小结 |
| 第4章 智能船用低速机动态故障模拟仿真分析 |
| 4.1 智能船用低速机故障模拟动态仿真模型 |
| 4.1.1 螺旋桨模型的搭建 |
| 4.1.2 转动平衡的搭建 |
| 4.1.3 调速器模型的搭建 |
| 4.2 低速机故障模拟动态仿真模型的验证 |
| 4.2.1 100%、75%、50%、25%工况点的仿真结果调试与验证 |
| 4.2.2 37.5%、62.5%、85%工况点的仿真结果调试与验证 |
| 4.3 动态故障模拟结果与分析 |
| 4.3.1 活塞顶部积碳故障 |
| 4.3.2 喷油提前与滞后故障 |
| 4.4 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（5）柴油机故障案例及诊断技巧（论文提纲范文）
| 1 柴油机故障诊断原则 |
| 2 故障案例诊断与维修 |
| 3 故障诊断时应注意问题 |
（6）柴油机增压器的故障预测与健康管理（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 故障预测技术的发展现状 |
| 1.2.1 国外故障预测的发展现状 |
| 1.2.2 国内故障预测的发展现状 |
| 1.3 本文的研究内容与结构安排 |
| 1.3.1 研究的主要问题及技术路线 |
| 1.3.2 整文结构安排 |
| 1.4 本章小结 |
| 2 机车增压器的故障 |
| 2.1 机车增压器常见的故障 |
| 2.1.1 噪声和震动异常 |
| 2.1.2 喘振 |
| 2.1.3 漏油 |
| 2.1.4 温度过高 |
| 2.1.5 增压压力过大 |
| 2.1.6 增压压力不足 |
| 2.2 解决方案 |
| 2.3 本章小结 |
| 3 机车增压器故障预测方法研究 |
| 3.1 多变量灰色预测模型 |
| 3.1.1 灰色关联度矩阵 |
| 3.1.2 MGM(1,n)模型 |
| 3.1.3 MGM(1,n)模型应用 |
| 3.2 灰色神经网络模型 |
| 3.2.1 人工神经网络 |
| 3.2.2 BP神经网络简介 |
| 3.2.3 灰色神经网络模型简介 |
| 3.2.4 灰色神经网络模型应用 |
| 3.3 基于遗传算法的灰色神经网络模型 |
| 3.3.1 遗传算法简介 |
| 3.3.2 遗传算法基本原理 |
| 3.3.3 遗传-灰色神经网络模型应用 |
| 3.4 本章小结 |
| 4 机车增压器故障诊断方法研究 |
| 4.1 RBF神经网络模型 |
| 4.1.1 RBF神经网络拓扑结构 |
| 4.1.2 RBF神经网络的学习算法 |
| 4.2 RBF神经网络模型应用实例 |
| 4.3 本章小结 |
| 5 机车增压器故障预测系统的设计和开发 |
| 5.1 MATLAB GUI设计 |
| 5.2 软件运行界面 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（7）浅谈救助船16/24系列发电柴油机TCR12型涡轮增压器日常维护保养和常见故障排查（论文提纲范文）
| 0前言 |
| 1 涡轮增压技术现状 |
| 1.1 涡轮增压技术应用情况 |
| 1.1.1 相继增压 |
| 1.1.2 可变截面涡轮增压 |
| 1.1.3 废气旁通增压 |
| 2 TCR12型增压器简介 |
| 2.1 运行参数 (见表1) |
| 2.2 警报点 (见表2) |
| 2.3 工作原理 |
| 2.4 使用方法 |
| 3 日常维护保养 |
| 3.1 维护计划 |
| 3.2 运行时的检查 |
| 3.3 运行时的维护 |
| 3.3.1 压气机侧水洗 |
| 3.3.2 涡轮机侧干洗 |
| 3.4 停机状态的维护 |
| 3.5 大修 |
| 4 维护保养注意事项及建议 |
| 4.1 维护保养注意事项 |
| 4.2 涡轮端干洗小改建议 |
| 5 常见故障及解决方法 |
| 5.1 增压器工作噪声过大 |
| 5.2 压气机喘振 |
| 5.3 增压器过热 |
| 5.4 涡轮增压器漏油 |
（8）8L20/27柴油机增压器喘振故障的分析与排除（论文提纲范文）
| 0前言 |
| 1 故障的发生 |
| 2 故障检查与排除过程 |
| 3 故障原因分析与排除建议 |
| 3.1 喘振故障机理分析 |
| 3.2 基于故障树的柴油机喘振可能原因分析 |
| 3.3 故障排除建议 |
| 3.4 该型柴油机喘振故障原因剖析 |
| 4 故障启示与建议 |
| 4.1 故障排除启示 |
| 4.2 使用维护建议 |
（9）船舶柴油机增压器喘振故障的分析与排除（论文提纲范文）
| 0 引言 |
| 1 增压器喘振的故障机理 |
| 1.1 增压器喘振故障的机理分析 |
| 1.2 增压器离喘振故障机理的数学分析 |
| 2 基于故障树的喘振故障原因分析 |
| 3 船舶柴油机增压器喘振故障案例分析 |
| 3.1 故障现象 |
| 3.2 排除过程 |
| 3.3 原因分析 |
| 3.4 管理启示 |
| 4 结论 |
（10）消防泵柴油机涡轮增压器故障诊断及处理（论文提纲范文）
| 0 引言 |
| 1 涡轮增压器结构和原理 |
| 2 故障现象及分析 |
| 2.1 涡轮增压器蜗壳严重发红 |
| 2.1.1 排气温度过高 |
| 2.1.2 超载运行 |
| 2.1.3 柴油机压缩比改变 |
| 2.2 涡轮增压器后空气管道软连接崩脱 |
| 2.2.1 发动机进气歧管压力过大 |
| 2.2.2 软连接强度不够, U形卡子紧固不严 |
| 2.3 涡轮增压器有异响 |
| 3 处理方法 |
| 4 建议 |
四、柴油机涡轮增压器的合理使用与故障排除（论文参考文献）
- [1]面向轮机模拟器的船用大型二冲程柴油机建模方法研究[D]. 沈浩生. 大连海事大学, 2020(04)
- [2]基于状态智能预警驱动的柴油机IETM关键技术研究与应用[D]. 高志龙. 北京化工大学, 2020(01)
- [3]柴油机增压器喘振故障的排查分析[J]. 马海清. 大众标准化, 2020(04)
- [4]基于热力学原理的智能低速机故障模拟研究[D]. 戴琳. 哈尔滨工程大学, 2020(05)
- [5]柴油机故障案例及诊断技巧[J]. 宁振华,周后余. 汽车维护与修理, 2019(15)
- [6]柴油机增压器的故障预测与健康管理[D]. 魏伟达. 大连理工大学, 2019(03)
- [7]浅谈救助船16/24系列发电柴油机TCR12型涡轮增压器日常维护保养和常见故障排查[J]. 张隽. 航海, 2019(03)
- [8]8L20/27柴油机增压器喘振故障的分析与排除[J]. 吕运,汪兆臣,孙文豪. 内燃机, 2019(02)
- [9]船舶柴油机增压器喘振故障的分析与排除[J]. 孙齐虎,吕运,汪兆臣. 内燃机与动力装置, 2019(01)
- [10]消防泵柴油机涡轮增压器故障诊断及处理[J]. 李朝伟. 设备管理与维修, 2019(03)