计算机测量与控制
計算機測量與控製
계산궤측량여공제
COMPUTER MEASUREMENT & CONTROL
2011年
5期
1040-1043
,共4页
吕建新%吴虎胜%来凌红%吴庐山%赵法栋
呂建新%吳虎勝%來凌紅%吳廬山%趙法棟
려건신%오호성%래릉홍%오려산%조법동
柴油机%故障诊断%经验模态分解(EMD)%复杂度%RBF神经网络
柴油機%故障診斷%經驗模態分解(EMD)%複雜度%RBF神經網絡
시유궤%고장진단%경험모태분해(EMD)%복잡도%RBF신경망락
针对柴油机振动信号的非平稳特性,提出一种经验模态分解(Empirical Mode Decomposition,EMD)、复杂度和RBF(radi-cal basis function)神经网络相结合的故障诊断方法;运用经验模态分解方法对特定时段的振动信号进行分析,计算前5个固有模式分量(Intrinsic Mode Functions,IMF)的Lempel--Ziv相对复杂度作为故障特征向量,并利用RBF神经网络可以快速逼近任意非线性函数及良好分类能力的特点,来实现对柴油机工作状态和故障类型的判别;最后,利用实际柴油机试验数据的诊断和对比试验验证了该方法的有效性.
針對柴油機振動信號的非平穩特性,提齣一種經驗模態分解(Empirical Mode Decomposition,EMD)、複雜度和RBF(radi-cal basis function)神經網絡相結閤的故障診斷方法;運用經驗模態分解方法對特定時段的振動信號進行分析,計算前5箇固有模式分量(Intrinsic Mode Functions,IMF)的Lempel--Ziv相對複雜度作為故障特徵嚮量,併利用RBF神經網絡可以快速逼近任意非線性函數及良好分類能力的特點,來實現對柴油機工作狀態和故障類型的判彆;最後,利用實際柴油機試驗數據的診斷和對比試驗驗證瞭該方法的有效性.
침대시유궤진동신호적비평은특성,제출일충경험모태분해(Empirical Mode Decomposition,EMD)、복잡도화RBF(radi-cal basis function)신경망락상결합적고장진단방법;운용경험모태분해방법대특정시단적진동신호진행분석,계산전5개고유모식분량(Intrinsic Mode Functions,IMF)적Lempel--Ziv상대복잡도작위고장특정향량,병이용RBF신경망락가이쾌속핍근임의비선성함수급량호분류능력적특점,래실현대시유궤공작상태화고장류형적판별;최후,이용실제시유궤시험수거적진단화대비시험험증료해방법적유효성.
