基于声强信号分析和组合神经网络的发动机故障诊断
, PP. 170-173
Keywords: 发动机,故障诊断,小波包分析,组合神经网络,声强信号
Abstract:
建立了一个基于声强信号分析和组合神经网络的发动机故障诊断模型。该模型首先运用小波理论分析各类故障下发动机产生的声强信号，获取反映发动机工作状态的频带特征向量，然后将特征向量用于组合神经网络训练，进行故障模式识别。通过对3Y丰田2.0发动机的试验数据分析表明，这种模型可有效提高故障诊断的效率和准确率。
| [1] | 魏少华 陈效华 常思勤.声强直接测定法在发动机故障诊断中的应用[J].农业机械学报,2007,38(3):171-175.
|
| [2] | 飞思科技产品研发中心.神经网络理论与MATLABR2007实现[M].北京:电子工业出版社,2007.
|
| [3] | 吕琛 王桂增 邱庆刚.基于声信号小波包分析的故障诊断[J].自动化学报,2004,(7):554-559.
|
| [4] | Abe T, Anderton D. Digital acoustic intensity techniques in gasoline engine noise studies[C]. SAE Paper 820363, 1982.
|
| [5] | Takaaki Musha, Jun-ichi Taniguchi. Measurement of sound intensity using a single moving microphone [J]. Appliced Acoustics, 2005, 66(5) : 579 - 589.
|
| [6] | 王奉涛 马孝江 邹岩崑 张志新.基于小波包分解的频带局部能量特征提取方法[J].农业机械学报,:177-182.
|
| [7] | 张军 陆森林 和卫星.基于小波包能量法的滚动轴承故障诊断[J].农业机械学报,2007,38(10):178-181.
|
| [8] | 徐高欢.[D].大连:大连理工大学,2007.
|
| [9] | 李增芳 何勇.基于粗糙集与BP神经网络的发动机故障诊断模型[J].农业机械学报,2005,36(8):118～121.
|
Full-Text
