WA与RBFN在气密性故障诊断中的应用研究

被引:7
作者
马瑞恒
王新晴
陈六海
闫嘉昕
蔡立艮
曾拥华
机构
[1] 解放军理工大学工程兵工程学院机械工程系
关键词
小波; 径向基神经网络; 气密性; 故障诊断;
D O I
10.16236/j.cnki.nrjxb.2002.04.012
中图分类号
TK418 [检修与维护];
学科分类号
摘要
提出了根据检测发动机起动时电瓶电压的波形来分析气密性的试验方法。在基于小波分析 (WA)的基础上对信号进行消除趋势项和除噪处理 ,并提出了包括周期延长和主频推移 2个新的判据在内的 7个特征参数。通过对径向基神经网络 (RBFN)的训练 ,证明该神经网络能够较好地进行故障模式辨识 ,从而为发动机气密性故障诊断提供了一个系统方案。
引用
收藏
页码:350 / 356
页数:7
相关论文
共 2 条
  • [1] New Technology for Fault Diagnosis Based on Wavelet Denoising and Modified Exponential Time-Frequency Distribution. Wang X Q,Wang Y H,Qian S H,et al. Mechanical Engineering . 2001
  • [2] Supervised Texture Classification Using a Probabilistic Network and Constraint Satisfaction Model. Raghu P P. IEEE Trans . 1998