论文部分内容阅读
噪声过大和故障率高是拖拉机常见问题。要解决拖拉机噪声问题，须先识别出主要噪声源。目前，常用的拖拉机噪声识别方法对测量环境有严格要求，并且测量周期长；在故障诊断方面常依靠经验判断法和接触式传感器测量法，这些方法在工程应用上具有一定的局限性。因此，研究一种专用的测量系统同时能进行拖拉机噪声识别和故障诊断具有重要的科学意义和实用价值。 研究从声强理论和小波分析理论出发，采用LabVIEW虚拟仪器开发平台，研制了一套拖拉机噪声识别与故障诊断的测量系统。系统采用声强法进行拖拉机噪声识别，它不需要特定的测量环境且测量周期短；通过测得的噪声信号并对噪声信号进行小波分析可诊断拖拉机失火故障。研究的主要结论如下： 1) 基于声强法噪声识别理论和小波分析法故障诊断理论，采用LabVIEW虚拟仪器开发平台建立了一套拖拉机噪声识别与故障诊断的测量系统。 2) 测量系统由包括电容传声器组成的声强探头、信号调理电路、PCI-6040E数据采集卡以及采用LabVIEW开发的测试软件构成。测试软件包括数据采集保存程序模块、声强计算模块、声强频谱分析模块、相关分析模块、结果显示模块。 3) 测量系统采用声强法识别拖拉机噪声，测量时对声学环境没有特殊限制；通过测量噪声信号并进行小波分析可诊断发动机失火故障，这是无拆卸非接触式测量，避免了传感器安装困难、空间狭小、难以测量等问题。 4) 试验结果表明：神牛SN250拖拉机的主要噪声源为排气噪声、发动机散热风扇噪声及发动机机罩振动噪声，声强级分别为106dB、104dB、104dB。 5) 通过分析比较外部主要噪声源与驾驶室内耳边噪声1／3倍频程声强级谱，并计算声强级谱相关系数，得到排气噪声对驾驶室噪声贡献最大。 6) 基于MATLAB6.5，采用Daubechies小波对近场法测得的发动机缸盖上方的噪声信号进行分解，提取了包含燃爆噪声信号的高频细节分量，该方法可诊断拖拉机失火故障。 7) 多次试验结果表明：该系统不受背景噪声干扰在普通环境下便可测得声强，声强精度满足工程级测量精度要求；利用小波分析方法处理噪声信号可诊断拖拉机失火故障，这是一种无拆卸非接触式的测量方法，操作方便适应性好，能有效地用于故障诊断。