基于声强和小波包分析的汽车发动机燃爆信息特征提取研究

针对发动机燃爆信息的非平稳性,利用声强近场测量和小波包多分辨率分析的特点,提出了一种基于小波包分析的声强算法,本文利用该方法对某型号发动机燃爆信息的特征提取进行了实验研究。实验结果表明,该方法可以从复杂的发动机缸盖辐射噪声中提取出燃爆信息,所提取的燃爆信息可作为发动机单缸失火的故障诊断指标。本文所提出的基于小波包分析的声强算法为汽车发动机运行状态的在线监测和故障诊断提供了一种有效的手段。     

声强直接测定法在发动机故障诊断中的应用

提出了一种基于虚拟仪器技术的声强直接测定方法。根据双传声器声强测试原理，将声强传感器采集的信号交由数据采集系统完成A／D转换，经过数字滤波，计算出实时声强（时域声强），取其时间平均得到有功声强（频域声强）。根据该方法测得的发动机时域声强信号提取二次矩、四次矩以及时间二次矩，提高了发动机不同工况的特征区分度，从而提高了故障诊断的准确性和有效性。通过声强标定仪的校准，以及对发动机声强的实际测量和诊断试验，证明该方法是准确有效的。     

拖拉机发动机减速器动力学分析及故障诊断研究——基于小波神经网络

以拖拉机发动机减速器为研究对象,从分析发动机减速器故障机理出发,深入研究了减速器行星齿轮系统的建模方法和动力学模型,并采用小波神经网络算法研究了一套拖拉机发动机减速器故障诊断系统,能够对发动机减速器机械故障进行实时诊断。试验结果表明:小波神经网络算法能够准确判断发动机减速器的工作状态,识别率高达96%以上,充分证明了系统的准确性和可行性。     

基于神经网络的发动机实时检测与故障诊断系统

提出了一种基于神经网络的发动机性能实时检测与故障诊断系统，其诊断的特点是利用各种传感器实时采集数据，结合人工神经网络，从不同的角度，不同层次进行诊断推理，并以神经网络来完成自学习功能，大大提高了诊断的效率，研究提出了实时诊断系统的各种抗干扰措施，通过实验验证，该系统具有较高的准确性，并且易于操作和使用。     

基于虚拟仪器和神经网络的汽车发动机故障诊断方法的研究

针对发动机电控系统故障的多样性和复杂性特征,为了便于汽车检修人员更便捷地检测出故障的原因,现研究一种基于虚拟仪器和人工神经网络相结合的汽车发动机电控系统故障诊断的新方法。利用虚拟仪器技术,可方便地对电控发动机运行状况进行数据采集,配合神经网络系统,能对采集的数据作实时有效的分析,直接给出故障诊断结果。通过对文中采集的数据进行分析,证实了方法的有效性和可行性。     

小波和神经网络在柴油机故障诊断中的应用

柴油机以其良好的动力性、可靠性、经济性在运输车辆和农用机械中广泛应用,但对其施行及时的不解体故障诊断却并非易事.为此,以配气机构故障为例,提出将小波包分解与神经网络结合的故障诊断方法.先对振动信号应用小波阀值法降噪,再进行小波包分解,构造小波包特征向量作为故障样本,并用训练好的BP神经网络进行故障识别,试验结果证明了该方法的有效性.     

神经网络技术用于发动机故障诊断的研究

结合专家系统与模糊神经网络两种人工智能技术,通过对汽车发动机废气中ＨＣ、ＣＯ、ＣＯ２和Ｏ２含量的分析进行故障推理和诊断。专家系统与神经网络主要采用串型连接,由神经网络模块进行故障分类,再经专家系统给出解释并进一步推理,得到具体的诊断结果,从而实现发动机常见故障的快速、准确和智能化的诊断。     

基于粗糙集与BP神经网络的发动机故障诊断模型

结合粗糙集理论和神经网络在信息处理方面的优势,建立了一个基于粗糙集理论和BP神经网络相结合的发动机失火故障诊断模型。通过对EQ6102型发动机的实际试验表明,模型简化了网络训练样本,优化了神经网络结构,提高了系统运行效率。     

基于小波分析和BP神经网络的滚动轴承的故障诊断

提出了一种基于小波分析和BP神经网络的滚动轴承故障诊断方法,首先采用小波包对滚动轴承振动信号进行分解与重构,然后提取重构后振动信号的峭度值,将峭度值作为特征参数输入神经网络,进行故障模式识别。通过对实验数据的分析信号表明,能有效地识别滚动轴承工作状态与故障类型。     

融合小波和神经网络的发动机转子系统故障诊断

针对发动机转子系统不平衡、碰磨、油膜渦动3类故障,提出了一种融合小波与神经网络的故障诊断诊断算法.首先利用小波提取转子系统振动信号在各个频带上的能量特征信息,对能量特征采用B&B搜索算法进行特征选择之后,再利用BP神经网络识别转子系统的故障模式.实验结果表明,该方法对转子系统故障具有较高的识别率.     

基于EMD与神经网络的内燃机气门间隙故障诊断

利用LabVIEW构建了基于EMD与神经网络的内燃机气门间隙故障诊断系统。用490BPG型发动机在转速为1200r/min、无负荷时进行了试验研究,采用经验模式分解EMD方法对气门振动信号进行分解,对分解得到的前4个固有模态函数IMF分别求其关联维数,将IMF1-IMF4的关联维数作为神经网络的输入向量,用4种工况的80组样本训练了内燃机气门故障诊断系统的网络模型。试验结果表明,20组测试样本的测试结果均与实际状况相一致,诊断准确率为100%,该系统能快速准确地识别内燃机气门间隙故障。     

小波包分解与神经网络相结合的变速箱齿轮故障识别

提出了一种识别变速箱齿轮故障的新方法，通过对小波包分解的分析研究，将基于小波包能量的小波包分解特征提取方法用于提取齿轮运行状态的特征向量，并以此作为BP神经网络的输入对神经网络进行训练，建立了基于BP神经网络的齿轮运行状态分类器，用以识别齿轮的运行状态，, 变速箱齿轮故障识别为例，用文中所述方法对变相齿轮的正常状态，磨损状态，断齿状态进行识别验证，验证结果表明该方法的效果良好。     

Kohonen网络故障诊断方法及试验

根据Kohonen神经网络诊断的工作原理、诊断特征，提出了渔船轴系模拟试验台的系统结构和振动监测方法，并通过自行开发的数据采集系统和诊断软件，对故障特征矢量进行识别和诊断。模拟试验证明了Kohonen网络对轴系故障诊断的有效性和准确性。     

基于神经网络推理的压缩机故障诊断专家系统

设计了一种基于神经网络推理的汽车空调压缩机故障诊断专家系统。此系统将传统专家系统与神经网络技术科学地加以综合,弥补了传统专家系统的诸多缺陷。专家系统的知识库由两部分组成,即浅层知识库和深层知识库。推理过程由神经网络完成,并带有解释说明模块,主要说明诊断结果的判定依据。实践证明,这种方法能较好地解决传统专家系统存在的问题,提高系统的诊断速度和准确率。     

小波神经网络故障诊断系统的设计与应用

采用能量分布特征提取方法和优化BP算法，提出了一种基于小波变换和BP神经网络的故障诊断系统。利用该系统对汽车变速箱三挡齿轮磨损程度进行估计，诊断结果与实际完全吻合，表明该小波神经网络故障诊断系统的有效性。由于小波分析特别适用于非平稳信号的处理，因此该小波神经网络诊断系统对复杂机械设备的故障诊断有着广阔的应用前景。