中国工程机械学报
中國工程機械學報
중국공정궤계학보
CHINESE JOURNAL OF CONSTRUCTION MACHINERY
2010年
2期
194-198
,共5页
李万莉%余得水%甄彧%黄勇
李萬莉%餘得水%甄彧%黃勇
리만리%여득수%견욱%황용
小波分析%遗传神经网络%故障诊断%发动机
小波分析%遺傳神經網絡%故障診斷%髮動機
소파분석%유전신경망락%고장진단%발동궤
由于包含丰富故障信息的传感器信号是由多振源和背景噪声的混合,小波变换良好的时频域局部化特性可以有效地滤除噪声,并且通过对重构的小波系数求取均方根值来有效提取故障的特征向量,根据采集数据的故障工况,建立学习样本.通过网络训练建立神经网络的输入和输出良好的非线性映射,进而通过特征向量输入来诊断系统的故障.由于神经网络具有收敛速度慢和容易陷入局部最小点的缺陷,对神经网络进行改进和优化.仿真结果误差分析表明,该网络具有良好的诊断效果.
由于包含豐富故障信息的傳感器信號是由多振源和揹景譟聲的混閤,小波變換良好的時頻域跼部化特性可以有效地濾除譟聲,併且通過對重構的小波繫數求取均方根值來有效提取故障的特徵嚮量,根據採集數據的故障工況,建立學習樣本.通過網絡訓練建立神經網絡的輸入和輸齣良好的非線性映射,進而通過特徵嚮量輸入來診斷繫統的故障.由于神經網絡具有收斂速度慢和容易陷入跼部最小點的缺陷,對神經網絡進行改進和優化.倣真結果誤差分析錶明,該網絡具有良好的診斷效果.
유우포함봉부고장신식적전감기신호시유다진원화배경조성적혼합,소파변환량호적시빈역국부화특성가이유효지려제조성,병차통과대중구적소파계수구취균방근치래유효제취고장적특정향량,근거채집수거적고장공황,건립학습양본.통과망락훈련건립신경망락적수입화수출량호적비선성영사,진이통과특정향량수입래진단계통적고장.유우신경망락구유수렴속도만화용역함입국부최소점적결함,대신경망락진행개진화우화.방진결과오차분석표명,해망락구유량호적진단효과.
