装甲兵工程学院学报
裝甲兵工程學院學報
장갑병공정학원학보
JOURNAL OF ARMORED FORCE ENGINEERING INSTITUTE
2007年
2期
33-36
,共4页
赵寅卯%冯辅周%甘露%杨磊
趙寅卯%馮輔週%甘露%楊磊
조인묘%풍보주%감로%양뢰
SOFM%特征选择%故障诊断
SOFM%特徵選擇%故障診斷
SOFM%특정선택%고장진단
通过分析柴油机在磨合期、不同摩托小时和拉缸等典型状态下的振动信号样本,计算出各类样本在幅域、时域和频域的特征参量,按照类别可分离性判据进行特征选择,寻找出能够代表发动机不同状态的有效特征参数,同时降低特征向量空间的维数,最后利用自组织特征映射神经网络(Self-Organizing Feature Map)进行发动机不同状态的分类.分析结果表明,SOFM能够对各类模式进行有效的分类,准确率达到92%以上.
通過分析柴油機在磨閤期、不同摩託小時和拉缸等典型狀態下的振動信號樣本,計算齣各類樣本在幅域、時域和頻域的特徵參量,按照類彆可分離性判據進行特徵選擇,尋找齣能夠代錶髮動機不同狀態的有效特徵參數,同時降低特徵嚮量空間的維數,最後利用自組織特徵映射神經網絡(Self-Organizing Feature Map)進行髮動機不同狀態的分類.分析結果錶明,SOFM能夠對各類模式進行有效的分類,準確率達到92%以上.
통과분석시유궤재마합기、불동마탁소시화랍항등전형상태하적진동신호양본,계산출각류양본재폭역、시역화빈역적특정삼량,안조유별가분리성판거진행특정선택,심조출능구대표발동궤불동상태적유효특정삼수,동시강저특정향량공간적유수,최후이용자조직특정영사신경망락(Self-Organizing Feature Map)진행발동궤불동상태적분류.분석결과표명,SOFM능구대각류모식진행유효적분류,준학솔체도92%이상.
