基于缸盖振动信号频域特征识别气缸压力的研究

被引：4

作者：

纪少波 ^{[1
]}

程勇 ^{[1
]}

王锡平 ^{[2
]}

唐娟 ^{[1
]}

黄万有 ^{[1
]}

机构：

[1] 山东大学能源与动力工程学院

[2] 山东大学土建与水利工程学院

来源：

振动与冲击 | 2008年 / 02期

关键词：

缸内压力; 振动信号; 频域特征; 神经网络;

D O I：

10.13465/j.cnki.jvs.2008.02.034

中图分类号：

TK421 [理论];

学科分类号：

080703 ;

摘要：

在不同的燃烧状况下同时测量缸盖表面振动信号和缸内压力信号,对平均处理后的信号进行频域分析,发现缸内压力信号中相对于基频前50阶的谐波分量包含了所关心的主要信息。根据频域分析得到的复数谱的对称特性建立了训练样本,并对建立的BP和RBF神经网络进行训练。训练的结果表明RBF神经网络可以在更短的训练时间内,获得更小的均方误差。利用不同的神经网络进行了缸内压力信号的识别,识别的结果表明,RBF神经网络识别的精度高于BP神经网络。

引用

页码：133 / 136+182 +182

页数：5

共 5 条

[1] BP网络和RBF网络在函数逼近领域内的比较研究 [J].

智会强 ;

牛坤 ;

田亮 ;

杨增军 .

科技通报, 2005, (02) :193-197

[2] 基于BP神经网络的柴油机气缸压力重构 [J].

高洪滨 ;

欧阳光耀 ;

张萍 .

内燃机工程, 2005, (01) :68-70

[3] 内燃机气缸压力的振动信号倒谱识别方法 [J].

刘世元 ;

李锡文 ;

杜润生 ;

杨叔子 .

华中理工大学学报, 1998, (06) :80-82

[4] 内燃机气缸压力振动识别研究 [J].

郝志勇，舒歌群，薛远，陈光辉 .

内燃机学报, 1994, (01) :43-48

[5]

J. ANTONI,J. DANIERE,F. GUILLET,R.B. RANDALL.EFFECTIVE VIBRATION ANALYSIS OF IC ENGINES USING CYCLOSTATIONARITY. PART II—NEW RESULTS ON THE RECONSTRUCTION OF THE CYLINDER PRESSURES[J].Journal of Sound and Vibration,2002(5)

← 1 →