一、涡轮增压器常见故障分析及排除方法（论文文献综述）
马鑫[1]（2021）在《康明斯柴油发动机故障分析预防与排除》文中进行了进一步梳理美国康明斯公司与中国的合作始于1975年,生产发动机、涡轮增压器、滤清器、发电机组等产品。康明斯柴油发动机在我国分别有东风康明斯柴油发动机组、重庆康明斯柴油发动机组,作为中国发动机行业最大的外国投资者,康明斯在中国拥有八家合资和独资制造企业。其中东风康明斯生产B、C和L系列柴油发动机,重庆康明斯生产M、N和K系列柴油发动机在各行各业得到了广泛应用[1]。在广泛使用的同时,康明斯柴油发动机故障的分析与预防便成为了当前要解决的主要问题。
周小康[2]（2020）在《基于热力参数船用中速柴油机机载故障诊断技术研究》文中进行了进一步梳理随着全球化贸易的日益发展,海上运输安全自然成为了各个国家关注的焦点,柴油机的正常工作时是保证船舶安全航行的基础,船舶柴油机高强度的工作,恶劣的工作环境,导致船舶柴油机频繁发生故障。因此,大力开展对柴油机的故障诊断技术是非常有必要的。本文主要进行基于热力参数的船用中速柴油机机载故障诊断技术研究,此研究对于提高船舶柴油机的经济性和安全性具有十分重要的意义。本文主要研究内容和结论如下:1.介绍了仿真软件中各种数学模型及其计算原理,采用仿真软件对大发6DE-18型中速柴油机进行了建模仿真,并通过台架实验对6DE-18型柴油机原机模型进行验证,对比额定转速各种工况下的缸压曲线图、燃油消耗率和输出功率的实验室和仿真值误差都在允许范围内,验证了6DE-18型柴油机模型的准确性。2.选取6DE-18型柴油机常见的热工故障,对故障机理进行了分析,设计了典型故障的仿真模型,并运行柴油机故障模型得到了大量具有代表性的热工参数,将这些数据进行归一化和降维的预处理,建立故障诊断模型提供样本数据库。3.对比分析了基于BP神经网络和基于支持向量机的故障诊断方法针对船用中速柴油机的故障诊断性能。分析得出,对于本文特定的研究对象以及较少训练样本的情况下,支持向量机SVM故障诊断性能优于BP神经网络,由于SVM模型参数随机性选取严重影响了准确率,采用了粒子群算法进行了优化,得出了高准确率,高响应速度的PSO-SVM故障诊断模型。4.进行了基于热力参数的船用中速柴油机机载故障诊断技术的台架试验验证,受试验条件限制,本次试验只进行了柴油机进气管漏气故障试验和喷油器堵塞故障试验,通过把试验采集的缸压曲线分别与仿真软件对应的故障模型的缸压曲线进行对比分析,验证了故障模型的有效性。将故障试验采集的数据,经过归一化和降维处理之后输入到故障诊断PSO-SVM分离器模型中,验证了PSO-SVM故障诊断模型的准确性。并根据PSO-SVM故障诊断模型对原有的机旁控制器进行更新,嵌入进故障诊断模块,将监测、报警和故障诊断集为一体。综上所述,基于热力参数的PSO-SVM数学模型故障诊断方法,具有良好的故障诊断性能,同时针对柴油机不同工况下的故障也可精确识别,具有稳定性和普遍适用性,可以达到实际工程应用要求。
刘峰,顾海涛,范金波[3]（2020）在《PA 6柴油机相继增压器常见故障的分析》文中提出废气涡轮增压器被广泛用于船舶柴油机,其目的是通过利用废气能量,提高柴油机的功率。描述了PA6柴油机STC相继增压器的结构及工作原理,针对相继增压器在使用过程中常见故障,阐述了故障原因分析、诊断与排除的方法步骤,最后为降低STC增压器故障率提出了几点建议。
崔剑南[4]（2019）在《柴油快艇废气涡轮增压器常见故障分析及对策》文中研究指明在实际工作中,经常会遇到因废气涡轮增压器故障引起柴油快艇处于不适航状态,更严重者会引起主机损坏,造成重大机损事故。本文介绍了废气涡轮增压器的工作原理、故障症状,从机器要素和人为要素两方面分析废气涡轮增压器故障原因,提出废气涡轮增压器防控对策,供船舶轮机部一线工作人员参考。
戴琳[5]（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。
孙晓宇[6]（2020）在《船用低速二冲程柴油机热经济学故障诊断研究》文中研究指明船舶柴油主机是船舶动力装置的关键设备,如发生故障将会影响船舶运营,并可能直接或间接造成巨大的经济损失,甚至导致关键设备损坏。传统的柴油机维修保障往往依靠提前设定的计划保养或者是严重故障发生后的事后维修,缺乏预先诊断能力。热经济学故障诊断是一种广义诊断,以?成本为基础量化各种异常所导致的成本影响,具有计算简便、反应灵敏、准确性高等优点,对柴油机故障诊断具有重要意义。以6S50MC型船用低速二冲程柴油机为研究对象,建立柴油机工作过程的零维数学模型,采用AVL-BOOST软件搭建柴油机的仿真模型,将仿真得到的主要性能参数与实验台架数据进行对比,误差均在5%以内。在此基础上建立船用柴油机的物理结构图,将其划分为气缸、中冷器、压气机、涡轮与缸套水冷却器六个组元,通过?分析建立柴油机的生产结构图,确定每个组元的“燃料”和“产品”。通过热经济学理论对故障进行分析,确定组元的故障成本与内源不可逆损失为故障定位指标,建立热经济学故障诊断模型。利用仿真模型分别模拟四种柴油机的典型单一故障,再将每一个组元的单一故障进行叠加,进一步模拟四种柴油机的多故障,并利用模拟所得的故障数据验证故障诊断模型的适用性。研究结果表明,热经济学故障诊断模型对柴油机的单一故障表现出很高的准确性,四种单一故障均能准确诊断。特别是中冷器发生轻微故障时,主机功率仅下降约66k W仍能准确定位并判断出故障,表明热经济学故障诊断模型对单一故障具有较高的灵敏度。双组元同时发生故障时诊断模型依旧能准确定位故障组元;三组元同时发生故障时,其中一组元的故障成本值有可能被其他两个组元所遮掩显得较小,如研究案例中的压气机故障成本仅为中冷器组元的1/16,但通过第二个指标——内源不可逆损失仍能够做出压气机故障的判断。因此采用两个故障定位指标相结合的方法进行热经济学故障诊断是非常必要的。热经济学故障诊断在柴油机上的应用,可为柴油机故障准确定位提供一定的技术支持。
魏伟达[7]（2019）在《柴油机增压器的故障预测与健康管理》文中指出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。
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》文中认为以某船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》文中研究指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》文中研究说明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、涡轮增压器常见故障分析及排除方法（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、涡轮增压器常见故障分析及排除方法（论文提纲范文）
（1）康明斯柴油发动机故障分析预防与排除（论文提纲范文）
| 0 引言 |
| 1 康明斯柴油发动机基本特点及技术特点 |
| 1.1 康明斯柴油发动机基本特点 |
| 1.2 康明斯柴油发动机的技术特点 |
| 2 康明斯柴油发动机维护与保养的重要性 |
| 3 康明斯柴油发动机进、排气系统 |
| 3.1 进气系统 |
| 3.2 排气系统 |
| 4 康明斯柴油发动机PT燃油系统 |
| 5 结束语 |
（2）基于热力参数船用中速柴油机机载故障诊断技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题来源 |
| 1.2 研究的目的与意义 |
| 1.3 船舶柴油机状态监测与故障诊断的研究现状 |
| 1.3.1 故障诊断方式 |
| 1.3.2 机旁监控器现状 |
| 1.4 本文研究的主要内容 |
| 第2章 船用中速柴油机大发6DE-18 模型建立及验证 |
| 2.1 建模软件简介 |
| 2.2 模型建立原理 |
| 2.2.1 气缸模型的建立 |
| 2.2.2 进排气管内的工作过程 |
| 2.2.3 中冷器 |
| 2.2.4 废气涡轮增压器的数学模型 |
| 2.3 模型搭建 |
| 2.3.1 气缸模块 |
| 2.3.2 进排气管路模块 |
| 2.3.3 喷油器模块 |
| 2.3.4 曲轴箱模块 |
| 2.3.5 涡轮增压器和中冷器模块 |
| 2.3.6 大发6DE-18 整机模型 |
| 2.4 大发6DE-18 模型验证 |
| 2.4.1 6DE-18 台架试验 |
| 2.4.2 柴油机仿真模型验证 |
| 2.5 本章小结 |
| 第3章 大发6DE-18 柴油机工作过程故障仿真 |
| 3.1 大发6DE-18 柴油机常见故障特点及故障机理分析 |
| 3.2 热力参数的提取 |
| 3.3 典型故障的仿真设计 |
| 3.4 故障模型的得出的数据预处理 |
| 3.4.1 数据归一化处理 |
| 3.4.2 数据降维处理 |
| 3.5 本章小结 |
| 第4章 BP神经网络与支持向量机在故障诊断中的应用 |
| 4.1 神经网络与支持向量机介绍 |
| 4.1.1 神经网络算法 |
| 4.1.2 支持向量机(SVM)算法 |
| 4.2 基于BP神经网络的柴油机故障诊断方法设计 |
| 4.3 基于支持向量机(SVM)的柴油机故障诊断方法设计 |
| 4.4 BP神经网络和SVM仿真结果对比分析 |
| 4.5 SVM算法的优化 |
| 4.5.1 粒子群优化算法原理 |
| 4.5.2 基于PSO-SVM的诊断模型 |
| 4.6 本章小结 |
| 第5章 基于热力参数船用中速柴油机机载故障诊断系统的试验验证 |
| 5.1 试验台架构建 |
| 5.1.1 试验机型 |
| 5.1.2 试验现场及传感器分布 |
| 5.2 试验方案 |
| 5.3 试验中注意的问题 |
| 5.4 故障诊断试验流程 |
| 5.5 试验结果分析 |
| 5.5.1 故障模型验证 |
| 5.5.2 算法验证 |
| 5.6 机旁控制器的更新 |
| 5.7 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间发表的论文和参加的科研项目 |
（4）柴油快艇废气涡轮增压器常见故障分析及对策（论文提纲范文）
| 1. 废气涡轮增压器工作原理 |
| 1.1 废气涡轮增压器原理 |
| 1.2 废气涡轮增压器优点 |
| 1.3 废气涡轮增压器缺点 |
| 2. 废气涡轮增压器故障实例分析 |
| 2.1 废气涡轮增压器故障实例一 |
| 2.2 废气涡轮增压器故障实例二 |
| 2.3 废气涡轮增压器其他故障症状 |
| 3. 废气涡轮增压器故障原因分析 |
| 3.1 人员因素 |
| 3.2 机器因素 |
| 4. 柴油快艇废气涡轮增压器常见故障处理 |
| 4.1 增压压力不足 |
| 4.2 增压器转速上不去，冒黑烟 |
| 4.3 增压器冷却水温度过高 |
| 5. 废气涡轮增压器防控对策 |
| 5.1 人员安全教育 |
| 5.2 严格执行船舶三级保养制度 |
| 6. 结束语 |
（5）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 |
（6）船用低速二冲程柴油机热经济学故障诊断研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 论文主要研究内容 |
| 第2章 柴油机工作过程数学模型及热力性能仿真 |
| 2.1 柴油机缸内热力过程模型 |
| 2.1.1 柴油机缸内过程模型 |
| 2.1.2 柴油机缸内工作过程边界条件 |
| 2.2 涡轮增压器模型 |
| 2.2.1 压气机特性计算 |
| 2.2.2 涡轮特性计算 |
| 2.3 中冷器计算模型 |
| 2.4 仿真模型的建立 |
| 2.4.1 柴油机的基本数据及建模步骤 |
| 2.4.2 整机模型的建立与参数设置 |
| 2.5 仿真模型的验证 |
| 2.5.1 全负荷仿真结果的验证 |
| 2.5.2 部分负荷仿真结果的验证 |
| 2.6 本章小结 |
| 第3章 基于热经济学的柴油机故障诊断模型 |
| 3.1 热经济学结构理论 |
| 3.2 柴油机系统的物理结构图与生产结构图 |
| 3.2.1 柴油机系统的物理结构图 |
| 3.2.2 柴油机系统的生产结构图 |
| 3.3 热经济学故障分析 |
| 3.3.1 技术产品系数 |
| 3.3.2 热经济学成本 |
| 3.3.3 故障与障碍 |
| 3.4 故障组元的定位 |
| 3.5 本章小结 |
| 第4章 基于热经济学的柴油机系统单一故障诊断研究 |
| 4.1 无故障对照组数据的获得 |
| 4.2 基于热经济学的压气机故障诊断 |
| 4.3 基于热经济学的中冷器故障诊断 |
| 4.4 基于热经济学的气缸故障诊断 |
| 4.4.1 燃烧持续期延长故障诊断 |
| 4.4.2 排气定时故障诊断 |
| 4.5 本章小结 |
| 第5章 基于热经济学的柴油机系统多故障诊断研究 |
| 5.1 压气机与中冷器同时发生故障的热经济学诊断 |
| 5.2 中冷器与气缸同时故障的热经济学诊断 |
| 5.3 压气机与气缸同时故障的热经济学诊断 |
| 5.4 气缸、压气机与中冷器同时故障的热经济学诊断 |
| 5.5 本章小结 |
| 结论 |
| 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 |
（7）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 |
（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、涡轮增压器常见故障分析及排除方法（论文参考文献）
- [1]康明斯柴油发动机故障分析预防与排除[J]. 马鑫. 内燃机与配件, 2021(14)
- [2]基于热力参数船用中速柴油机机载故障诊断技术研究[D]. 周小康. 武汉理工大学, 2020(08)
- [3]PA 6柴油机相继增压器常见故障的分析[J]. 刘峰,顾海涛,范金波. 内燃机, 2020(01)
- [4]柴油快艇废气涡轮增压器常见故障分析及对策[J]. 崔剑南. 珠江水运, 2019(24)
- [5]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)
- [6]船用低速二冲程柴油机热经济学故障诊断研究[D]. 孙晓宇. 哈尔滨工程大学, 2020(05)
- [7]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)
- [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)