Porównanie stanu silnika lokomotywy spalinowej ST44
przed i po remoncie przy użyciu sygnału wibroakustycznego
Więcej
Ukryj
1
Instytut Pojazdów Szynowych „TABOR”
Data publikacji: 02-05-2007
Rail Vehicles/Pojazdy Szynowe 2007,2,28-36
STRESZCZENIE
Artykuł przedstawia opis badań przeprowadzonych na silniku lokomotywy spalinowej
ST44-2045 analizujących jego stan przed i po remoncie przy wykorzystaniu sygnałów
wibroakustycznych. Podano metodykę i zakres przeprowadzonych pomiarów. Dokonano
opisu aparatury pomiarowej wykorzystanej do pozyskania sygnału przyspieszenia
oraz zaprezentowano wybrane wyniki analizy sygnałów wibroakustycznych, obejmujące
wykorzystanie parametrów statystycznych, widm FFT, analizę nieliniową oraz metody
chwilowe z wykorzystaniem technik rozpoznawania obrazów.
Artykuł powstał w wyniku realizacji projektu badawczego KBN nr 5 T12D 011 25 pt.
„Diagnostyka OBD silników spalinowych pojazdów szynowych przy użyciu wybranych
metod przetwarzania sygnałów”
REFERENCJE (19)
1.
H. D. L. Abarbanel: Analysis of Observed Chaotic Data, Springer, 1996.
2.
J. C. Bezdek: Pattern Recognition with Fuzzy Objective Function Algorithms, Plenum Press, 1987, second edition.
3.
P. Boguś, J. Merkisz, R. Grzeszczyk, S. Mazurek: Nonlinear Analysis of Combustion Engine Vibroacoustic Signals for Misfire Detection. SAE Technical Paper Series 2003-01-0354.
4.
P. Boguś, K. Lewandowska: Short-Time Signal Analysis Using Pattern Recognition Methods. Lecture Notes in Artificial Intelligence: Artificial Intelligence and Soft Computing, 3070, 2004.
5.
P. Boguś, J. Merkisz: Diagnostyka pokładowa silników wysokoprężnych z wykorzystaniem nieliniowych metod analizy sygnałów. Pojazdy Szynowe, 1/2004.
6.
P. Boguś, R. Grzeszczyk, J. Merkisz: Diagnostyka pokładowa silników wysokoprężnych z wykorzystaniem chwilowej analizy sygnałów. Pojazdy Szynowe, 1/2004.
7.
P. Boguś, J. Merkisz: Wykrywanie zjawiska wypadania zapłonu w silniku o zapłonie samoczynnym w oparciu o grupowanie danych w krótkoczasowej analizie sygnałów wibroakustycznych. Silniki Spalinowe, 4, 2005.
8.
P. Boguś, J. Merkisz: Short Time Analysis of Combustion Engine Vibroacoustic Signals with Using Pattern Recognition Techniques. SAE Technical Paper Series 2005-01-2529.
9.
P. Boguś, J. Merkisz: Misfire Detection of Locomotive Diesel Engine by Nonlinear Anlaysis. Mechanical Systems and Signal Processing, 19, 2005.
10.
C. S. Daw, M. B. Kennel, C. E. A. Finney, F. T. Connolly: Observing and Modeling Nonlinear dynamics in an Internal Combustion Engine. Physical Review E, 57, 1998.
11.
Decyzja NR 36/2000 Naczelnego Dyrektora Kolejowych Przewozów Towarowych CARGO z dnia 5 czerwca 2000 r. w sprawie utrzymania technicznego pojazdów trakcyjnych.
12.
R. Duda, P. Hart: Pattern Classification and Scene Analysis, New York, Wiley Interscience 1973.
13.
A. P. Foakes, D. G. Pollard: Investigation of a Chaotic Mechanism for Cycle-to-cycle Variations. Combustion Science and Technology, 90, 1993.
14.
J. Jerrelind, A. Stensson: Nonlinear Dynamics of Parts in Engineering Systems. Chaos, Solitons and Fractals, 11, 2000.
15.
T. Kucharski: System pomiaru drgań mechanicznych, Warszawa, WNT 2002.
17.
S. K. Mitra, J. R. Kaiser: Handbook for Digital Signal Processing, Wiley 1993.
18.
J. Szabutin: Podstawy teorii sygnałów, Warszawa, WKiŁ 2003.
19.
W. Wang, J. Chen, X. K. Wu, Z. T. Wu: The Application of Some Non-linear Methods in Rotating Machinery Fault Diagnosis, Mechanical Systems and Signal Processing, 15, 2001.