10.16807/j.cnki.12-1372/e.2017.03.012
基于HHT和神经网络的汽车发动机故障诊断
针对基于汽车发动机振动信号处理的故障诊断问题,首先,利用截断矩阵奇异值分解方法对采集信号进行降噪预处理,以获取较为纯净的振动信号;然后,通过希尔伯特-黄变换(HHT)信号处理理论对采集信号进行分解与时频分析,提取出分量信号能量特征与边际谱区域变化特征两种参数作为汽车发动机故障诊断与识别的依据,并对比分析不同故障状态下的特征融和结果;最后,使用径向基(RBF)神经网络对故障样本特征进行训练,并进行多种实测故障数据的训练与识别.实际故障数据处理结果表明,上述特征参数可有效表征故障信号的时频域变化特点,可以作为汽车发动机故障的诊断依据.
故障诊断、汽车发动机、希尔伯特-黄变换、RBF神经网络
19
U464(汽车工程)
2017-04-26(万方平台首次上网日期,不代表论文的发表时间)
共6页
47-52