自组织特征映射在柴油机振动信号模式分类中的应用

被引：3

作者：

赵寅卯 ^{[1
]}

冯辅周 ^{[2
]}

甘露 ^{[2
]}

杨磊 ^{[3
]}

机构：

[1] 装甲兵工程学院训练部

[2] 装甲兵工程学院机械工程系

[3] 装甲兵工程学院装备指挥与管理系

来源：

装甲兵工程学院学报 | 2007年 / 02期

关键词：

SOFM; 特征选择; 故障诊断;

D O I：

暂无

中图分类号：

TK421 [理论];

学科分类号：

080703 ;

摘要：

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。

引用

页码：33 / 36

页数：4