基于小波包变换和径向基神经网络技术的汽车后桥总成故障诊断研究

现代汽车工业中,汽车故障有近20%是由汽车后桥引起。后桥故障诊断的难度大并且技术落后,导致后桥总成故障率居高不下,给厂家带来了巨大的经济和名誉损失。为了替代落后的诊断方法,实现后桥总成故障诊断的自动化和智能化,降低后桥总成故障率,本文基于小波包变换和径向基神经网络技术提出了一种新型的汽车后桥总成故障诊断算法。首先,介绍了小波包和径向基神经网络的基础知识并对常见后桥故障类型进行了分类,得到后桥总成故障模式;然后,实现了对重构后桥振动信号进行四层小波包重构,得到了各频率段能量特征向量,继而与重构信号的方差、偏度和峰度构成了特征输入向量;接着,使用适量的后桥振动样本数据进行建立并训练了用于故障诊断的径向基神经网络;最后,利用50套后桥验证数据验证了所建立的神经网络在故障诊断中的实际效果,网络的故障诊断率达到了92%。