基于概率神经网络和声压的柴油机故障诊断

论述了利用柴油机运转缸盖噪声信息来诊断内燃机故障的一种方法,通过FIR数字滤波技术从发动机缸盖噪声信号中分段提取发动机的燃爆和气门开闭信息,采用参数平均法消除了缸盖噪声测量的随机误差,利用概率神经网络的分类功能,准确判断出了各种故障。     

基于多分辨率近似熵的发动机声信号特征提取

介绍了近似熵的概念、主要特点及其快速算法,在分析了小波包与近似熵原理的基础上,提出了一种多分辨率近似熵的特征提取方法,并且讨论了近似熵值计算中3个参数的选择原则,其后对发动机声信号进行了分析处理,通过对比正常状态与故障状态共8种工况下的小波包3层分解后各节点的近似熵值,确定出了故障的特征频带,根据近似熵在敏感频带内的变化有效提取出发动机故障特征,从而实现了对发动机状态的监测与诊断。试验结果也证明了近似熵在分析复杂信号特征方面具有很强的能力,在判别机械设备运行状况方面具有很好的效果。     

基于1(1/2)维谱熵的发动机状态识别研究

在分析1(1/2)维谱的定义与其计算方法的基础上,结合信息熵理论,提出了一种1(1/2)维谱熵的特征提取方法。通过建立评价发动机状态的特征熵指标,真实反映了机械故障信号的复杂性程度。应用结果表明,该方法对不同状态的信号具有较好的分类能力,实现了对发动机状态的有效识别。