计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2014年
6期
197-200
,共4页
汽车高速发动机%故障检测%神经网络
汽車高速髮動機%故障檢測%神經網絡
기차고속발동궤%고장검측%신경망락
Automobile high speed engine%Fault detection%Neural network
汽车高速发动机设备在发生故障过程中,一般会产生短时、瞬间电流异常.以上特征可作为设备发生对接故障的依据.传统的故障检测方法针对瞬间、小强度的电流特征,无法实时捕获敏感的电流异常故障特征,导致传统故障检测方法对敏感度不高的故障特征检测存在误差,漏检率较高.提出改进神经网络的故障检测方法,依据高速发动机设备中的电流异常特征参数,采用神经网络的自适应性能获取电流的异常波动周期情况,把异常的电流信号当成一种特殊噪声,使用非线性滤波方法过滤电力特征参数中的噪声,对电流特征参数进行离散化操作运算系数,分析该系数同电气设备故障系数阀值间的关系,对高速发动机气路故障进行准确检测.实验结果说明,上述算法提高了故障检测的准确率.
汽車高速髮動機設備在髮生故障過程中,一般會產生短時、瞬間電流異常.以上特徵可作為設備髮生對接故障的依據.傳統的故障檢測方法針對瞬間、小彊度的電流特徵,無法實時捕穫敏感的電流異常故障特徵,導緻傳統故障檢測方法對敏感度不高的故障特徵檢測存在誤差,漏檢率較高.提齣改進神經網絡的故障檢測方法,依據高速髮動機設備中的電流異常特徵參數,採用神經網絡的自適應性能穫取電流的異常波動週期情況,把異常的電流信號噹成一種特殊譟聲,使用非線性濾波方法過濾電力特徵參數中的譟聲,對電流特徵參數進行離散化操作運算繫數,分析該繫數同電氣設備故障繫數閥值間的關繫,對高速髮動機氣路故障進行準確檢測.實驗結果說明,上述算法提高瞭故障檢測的準確率.
기차고속발동궤설비재발생고장과정중,일반회산생단시、순간전류이상.이상특정가작위설비발생대접고장적의거.전통적고장검측방법침대순간、소강도적전류특정,무법실시포획민감적전류이상고장특정,도치전통고장검측방법대민감도불고적고장특정검측존재오차,루검솔교고.제출개진신경망락적고장검측방법,의거고속발동궤설비중적전류이상특정삼수,채용신경망락적자괄응성능획취전류적이상파동주기정황,파이상적전류신호당성일충특수조성,사용비선성려파방법과려전력특정삼수중적조성,대전류특정삼수진행리산화조작운산계수,분석해계수동전기설비고장계수벌치간적관계,대고속발동궤기로고장진행준학검측.실험결과설명,상술산법제고료고장검측적준학솔.