共查询到16条相似文献,搜索用时 93 毫秒
1.
2.
3.
4.
5.
《车用发动机》2020,(1)
提出了一种基于改进变分模态分解(Variational Mode Decomposition,VMD)与双测度分形维数的发动机故障诊断方法。首先利用互信息法对缸盖振动信号进行端点延拓,并利用VMD算法将延拓后信号分解为多个固有模态分量(Intrinsic Mode Function,IMF),从而抑制VMD的端点效应,提高信号分解精度。然后利用正交变换方法将各IMF分量正交化,给定时间尺度序列τ=(τ_1,τ_2,…τ_n),并自适应地选择分界点将τ划分为第Ⅰ、Ⅱ尺度区间,利用各正交化的IMF分量在两个尺度区间内分别计算信号的分形维数,得到双测度分形维数,分别描述信号中的细节信息和趋势信息。最后将双测度分形维数作为特征参数输入极限学习机分类模型实现发动机故障诊断。仿真与试验结果表明:所提方法能够有效抑制VMD的端点效应,提高信号分解精度,双测度分形维数具有良好的类内聚集性和类间离散性,提高了发动机故障诊断精度。 相似文献
6.
往复式柴油机转动时产生振动是不可避免的这是由其复杂的结构和工作性质决定的,所以在柴油机故障诊断中,振动信号对于研究柴油机的振动特性和机械故障之间的内在联系起重要作用。通过从缸盖表面振动信号的小波包分解系数中提取整循环故障特征参数的方法,提取内燃机故障特征的研 相似文献
7.
8.
强噪声背景下的柴油机失火故障诊断 总被引:1,自引:0,他引:1
柴油机失火是常见的故障模式,传统的诊断方法不仅参数获取困难且准确性差。针对此问题,以3缸四冲程柴油机为研究对象,设计了柴油机失火故障的预置试验,采集排气噪声和缸盖振动信号进行故障诊断研究。为提取强噪声背景下的微弱信号,采用二次采样随机共振系统提取柴油机故障特征频率完成柴油机的失火故障诊断。研究结果表明,通过二次采样处理,随机共振系统可以将噪声能量转移到柴油机微弱特征信号上,达到大参数条件下微弱信号特征提取的目的,能有效识别柴油机的早期故障,对其他复杂机械的振动诊断同样具有参考价值。 相似文献
9.
为更深入地了解柴油机失火故障的机理,提高失火故障诊断准确率,本文中提出了一种基于小波与深度置信网络的柴油机失火故障诊断方法。首先,采用等角度采样法对柴油机缸盖振动信号进行采样,获得平稳的角域信号,消除循环波动干扰;然后,通过连续小波变换对角域信号进行角-频分析,提取点火频率附近频带后利用连续小波逆变换重构信号;接着,按照柴油机工作循环从重构信号中,分段提取方差、峭度和峰值等12种常用特征参数并构造诊断参数矩阵;最后,利用深度置信网络对诊断参数矩阵进行降维和第二次特征提取,并依据二次特征对失火故障进行诊断。将该方法应用到某型柴油机上的结果表明,该方法能准确提取失火故障信息,有效诊断失火故障。 相似文献
10.
11.
12.
13.
为解决成都地铁设计和修建过程中碳排放计量问题,以成都地铁18号线6车站7区间为研究对象,采用机器学习算法对成都地铁建设阶段碳排放进行预测研究。基于生命周期评价(life cycle assessment, LCA)框架对地铁车站和盾构区间建筑材料生产阶段、建筑材料运输阶段和现场施工阶段温室气体排放量进行计算,建立基于鲸鱼优化算法(whale optimization algorithm, WOA)的深度极限学习机(deep
extreme learning machine, DELM)地铁碳排放预测模型,并与基于风驱动优化(wind
driven optimizer, WDO)、灰狼优化(grey wolf optimizer, GWO)、粒子群优化(particle swarm optimizer, PSO)、人工蜂群优化(artificial
bee colony, ABC)、多元宇宙优化(multi-verse optimizer, MVO)、原子搜索优化(atom search optimizer,ASO)的深度极限学习机(DELM)和未优化的BP(back
propagation neural network)、KELM(kernel extreme
learning machine)、DELM算法预测结果进行对比分析。研究得到: 1)WOA-DELM算法预测结果相关一致性为0.757,略高于其他算法; 2)根据WOA-DELM算法对地铁碳排放主要输入指标进行敏感性分析,得到地铁车站碳排放预测的关键影响因素为车站长度和轨面埋深,对应指标碳排放相对变化率分别为30.1%和23.1%。 相似文献
14.
15.
针对车用发动机在线监测与故障诊断中各传感器信号频率成分相差较大、需要同步采样及信号非平稳的情况,分析了阶比跟踪技术在发动机各类信号处理方面的优势。通过软件实现了各通道信号同步变采样率采集。通过抗混叠滤波器截止频率及发动机最低转速计算出了各通道所需的最低采样阶比,避免了繁琐的阶比跟踪滤波对原信号带来的误差和干扰。对正常及故障工况下变速时的排气噪声、缸盖振动及外卡油压信号进行变采样率变采样阶比的阶比跟踪后,用于在线监测及故障诊断的信号特征更加明显,且更利于通过程序自动提取。 相似文献
16.
为了提高城市道路短时交通流预测的精度,提出了一种基于时空遗传粒子群支持向量机的短时交通流预测模型.通过主成分分析法对路网原始交通流量进行时空相关性分析,用较少的主成分代替原始交通流量并作为预测因子,在粒子群算法中引入遗传算法的交叉和变异因子,避免粒子群算法陷入局部最优.利用改进后的粒子群算法优化支持向量机参数,得到最优的支持向量机模型,并实现城市道路的短时交通流预测.以长春市路网的实测数据为基础进行了实例验证,结果表明,优化支持向量机参数时,遗传粒子群算法不会陷入局部最优,优化效果更好;与粒子群支持向量机模型和遗传粒子群支持向量机模型相比,所提出预测模型的相对误差波动较稳定,平均预测精度分别提高了4.96%和3.41%. 相似文献