基于RBF神经网络的农用柴油机故障诊断研究

柴油机以其良好的动力性、可靠性、经济性在农用机械中广泛应用,但对农用柴油机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,提出了将小波包分解与RBF神经网络结合的故障诊断方法,对降噪后的气缸盖振动信号进行小波包分解,构造故障特征向量作为故障样本,并用训练好的RBF神经网络进行模式识别。试验结果证明,该方法具有良好的诊断效果和广泛的工程应用前景。     

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。     

基于小波包和样本熵的水泵机组振动特征提取

目前大部分大型水泵机组安装有状态监测系统,但如何从海量的状态监测数据中提取出机组故障特征仍是水泵机组故障诊断的一大难点和热点。提出了一种基于小波包和样本熵的水泵机组振动特征提取方法,该方法首先通过小波包变换对水泵机组振动信号进行分层分解,得到小波包频带系数,再结合样本熵算法对小波包频带系数进行重构,得到以各频带信号样本熵值为元素的反映机组故障信息的特征向量,最后采用LVQ神经网络对试验振动信号进行分类,验证结果表明:基于小波包变换与样本熵相结合的特征提取方法对水泵机组不同振动状态具有较好的区分度,是一种合适的水泵机组故障特征提取方法。     

基于波束形成技术的柴油机噪声源识别

为了降低某型柴油机辐射噪声,运用基于波束形成技术的声学测量系统对某型号柴油机进行噪声源识别,得到柴油机表面主要噪声源及其频率特性。对柴油机前端面振动和声压信号的频谱进行分析,发现柴油机半阶次振动对柴油机的噪声影响较大,为进一步降低柴油机表面辐射噪声提供了参考依据。     

基于小波变换与SVD的水电机组振动信号特征提取研究

提出一种基于小波变换与SVD相结合的方法用于提取水电机组振动故障特征。运用小波变换对已去噪处理的水电机组振动信号进行变换,变换得到信号各分支的小波分解系数,对各分支系数进行差值单支重构后,组成SVD的输入矩阵,提取奇异值得到特征向量。应用概率神经网络对提取的奇异值特征量进行效果分类。通过水电站机组实测数据验证表明该特征提取方法操作简单稳定,具有较高区分度与较好识别率,可以为水电机组状态故障诊断提供有效依据。     

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.     

基于复Morlet小波的汽车主减速器故障特征提取

提出了基于复Morlet小波的汽车主减速器故障特征提取方法.针对汽车主减速器故障振动信号的特点,结合复小波变换提供的幅值和相位信息构造了两组适合于机械故障特征提取的组合信息.仿真信号的分析结果表明,采用复小波变换的相位信息及所构造的组合信息对信号突变点具有更好的敏感特性,从而可以更好地对信号突变点进行提取和定位.分别采用实小波变换和复小波变换及其组合信息对汽车主减速器故障信号进行分析.分析结果表明,利用所构造的组合信息能够对主减速器故障特征点精确定位;而且只需一尺度小波分解即可得到较好的效果,从而大大减小了故障特征提取的计算量.     

基于二维谱熵和支持向量机的柴油机故障诊断

对柴油机燃油喷射系统典型故障进行台架模拟试验,测量了柴油机缸盖振动信号,通过频域分析提取了二维信息谱熵作为特征指标,将二维谱熵作为支持向量机(SVM)分类器的输入量,建立了故障诊断模型。经验证,该方法具有良好的分类能力和较高的诊断精度,达到了柴油机故障诊断的要求。     

基于边际谱和神经网络的柴油机故障诊断

柴油机缸盖振动信号中包含着丰富的柴油机工作状态信息,利用缸盖振动信号诊断柴油机工作状态是一种有效方法.针对缸盖振动信号的特点,提出用经验模式分解方法对获取的缸盖振动信号进行分解,选取前3阶模式分量的边际谱、重心频率、重心幅值、偏度以及峭度等构成柴油机工作状态特征向量,基于BP网络对柴油机故障进行分类诊断.经对实测柴油机故障进行诊断表明,正确率达到85％以上,验证了诊断方法的可行性.     

基于振动信号的柴油机故障诊断方法研究

针对柴油机表面振动信号的非平稳时变特性，引入局域波分析方法，它有效克服了用传统方法进行非线性、非平稳信号分析时产生无意义谐波分量的缺点。并提出了应用局域波时频分析方法和边界谱分析法对柴油机进行故障诊断的方法。利用这两种方法对现场和实验室两种工作环境下的实测数据进行分析处理，分析结果表明了该方法的有效性和工程实用性。     

基于声强信号分析和组合神经网络的发动机故障诊断

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。     

基于局域波神经网络的柴油机故障诊断方法

给出了基于局域波法的时频域局部能量的概念 ,提出了一种基于局域波法和 RBF神经网络的故障诊断方法。利用该系统对柴油机缸套活塞磨损程度进行估计 ,诊断结果与实际完全吻合 ,表明了该局域波神经网络故障诊断系统的有效性。     

基于多征兆信息融合理论的柴油机故障诊断

信息融合理论在故障诊断领域中得到广泛应用，为复杂机械故障诊断提供了一种新的方法。在研究了多传感器决策层融合理论——Dempster—shafer证据理论及其算法的基础上，提出了一种基于多征兆信息融合理论的故障诊断方法。以柴油机活塞和缸套之间的磨损为例，论述了该方法的实施过程。结果表明，多征兆信息的信息融合诊断方法具有良好的稳定性和容错性，提高了柴油机故障诊断的准确性和可靠性。     

基于人工智能的农用拖拉机发动机故障快速诊断研究

为了达到拖拉机发动机不解体故障诊断的目的,提高诊断效率,利用发动机缸盖的振动信号的采集原理,提出了一种基于神经网络的人工智能故障检测方法,并构建了拖拉机发动机振动信号采集系统。基于人工智能的拖拉机发动机故障诊断系统,综合运用信号采集技术、信号处理技术、数据库技术、神经网络技术和人工智能专家系统,实现了和数据库及具有强大信号分析的处理功能,提高了系统的诊断实时性和诊断精度。最后,采用田间试验方法,对拖拉机故障快速诊断系统进行了试验验证。试验结果表明:采用人工智能诊断方法不仅可以有效提高系统的准确率,而且诊断系统的响应更加迅速,并且曝晒、震动、灰尘等恶劣的现场环境中仍能保持正常工作的稳定性。     

基于小波包能量法的滚动轴承故障诊断

阐述了故障轴承振动与信号的关系,小波包的原理以及BP神经网络的工作原理和实现过程,并以滚动轴承故障诊断为例,提取了小波包节点能量作为振动信号特征参数,并训练BP神经网络,对故障模式进行识别。结果表明,如果神经网络设计合理,训练适当,则具有很强的故障识别能力。说明利用小波包能量法和BP神经网络进行滚动轴承振动诊断是可行、有效的。     

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。     

发动机连杆轴承故障噪声诊断研究

提出了基于小波包和模糊聚类分析的连杆轴承故障的噪声诊断方法。在EQ6100型发动机上预先模拟连杆轴承故障,根据发动机故障时变、非平稳的特点,运用小波包对发动机噪声信号进行特征提取并削减了背景噪声的影响。选取时域上5个参数作为评价故障的特征指标。通过对模糊聚类理论方法的分析比较,引入模糊C-聚类划分理论及方法对噪声信号的指标样本进行分类,得到最优分类矩阵和聚类中心,从而建立了故障的标准类型样本。通过对新测取的噪声信号样本进行检验,证明该方法能有效地判断待检样本的类型,诊断连杆轴承故障。     

基于主成分分析和遗传支持向量机的发动机故障诊断

为了实现发动机故障的快速实时诊断,提出一种基于主成分分析（PCA）和遗传支持向量机（GA-SVM）的发动机故障诊断方法。该方法利用振动信号经小波变换和主元分析来提取故障特征,以减少信号的冗余。针对人为选择SVM参数的盲目性,应用遗传算法优化其参数,并与BP神经网络（BPNN）比较。试验结果表明：GA-SVM比BPNN具有更强的分类识别能力,小样本故障诊断正确率达100%。