改进LMD分解和RBF神经网络的柴油机故障诊断研究

发布时间：2017-10-31 04:31

  本文关键词：改进LMD分解和RBF神经网络的柴油机故障诊断研究

  更多相关文章： 柴油机故障诊断 局域均值分解 小波分解 RBF神经网络

【摘要】：柴油机作为大型机械的核心动力部件,其运行状态的监测和诊断尤为重要,但由于其工作环境复杂,振动信号包含大量噪声,所以特征向量难以有效提取,严重制约柴油机的故障诊断技术。该文将传统局域均值分解进行改进并将其与小波降噪相结合对原始振动信号进行降噪处理,并且利用改进局域均值分解法提取特征向量,最后应用径向基(RBF)神经网络进行故障识别。在实验中,采集4种故障工况和1种正常工况下的振动信号,利用上述方法完成对5种工况下的诊断,正确率达到95%。实验结果表明:该方法较改进前有明显进步,能有效诊断发动机故障,并且具有较高的正确率和较强的实用价值。
【作者单位】： 中北大学机械与动力工程学院;
【关键词】： 柴油机故障诊断 局域均值分解 小波分解 RBF神经网络
【分类号】：TK428;TP183
【正文快照】： 0引言随着现代化工业的不断发展,柴油机作为动力设备已广泛用于汽车、船舶、工程机械、农业机械和矿山机械等领域,在社会生产和生活中发挥着重要作用[1-2]。由于柴油机结构复杂,零部件繁多,工作环境恶劣,所以柴油机相对其他机械部件而言发生故障的可能性更大。当柴油机发生故

【相似文献】

中国期刊全文数据库 前10条

1 王珍,丁子佳,李玉光,李吉;局域波自回归谱及其在柴油机故障诊断中的应用研究[J];内燃机工程;2004年03期

2 张维新,张俊峰;柴油机故障诊断技术趋向分析[J];天津航海;2005年02期

3 朱俊;;柴油机故障诊断新方法[J];山东农机化;2010年11期

4 周序生;耿伟亚;;组合算法在柴油机故障诊断的应用仿真[J];计算机仿真;2012年09期

5 廖明,张文明,石博强;柴油机故障诊断的现状与展望[J];冶金设备;1998年06期

6 王鸿飞;基于Dempster-Shafer证据理论的柴油机故障诊断[J];内燃机学报;2000年01期

7 王俊国,赵金,谢庆国,万淑芸;主成分分析法在机车柴油机故障诊断中的应用[J];华中科技大学学报;2001年07期

8 刘守道,张来斌,王朝晖;小波降噪技术在柴油机故障诊断中的应用[J];机械强度;2001年02期

9 朱孝炎;柴油机故障诊断方法[J];泰州职业技术学院学报;2001年02期

10 周红晓;基于神经网络的柴油机故障诊断方法[J];计算机测量与控制;2003年07期

中国重要会议论文全文数据库 前3条

1 段伟武;宋宜斌;;基于自适应神经网络模糊推理系统的柴油机故障诊断[A];第二十九届中国控制会议论文集[C];2010年

2 王鑫;于洪亮;段树林;宋玉超;;基于遗传算法选择优化神经网络的柴油机故障诊断研究[A];2011下一代自动测试系统学术研讨会论文集[C];2011年

3 王鑫;于洪亮;段树林;宋玉超;;基于遗传算法选择优化神经网络的柴油机故障诊断研究[A];第十届全国振动理论及应用学术会议论文集（2011）上册[C];2011年

中国博士学位论文全文数据库 前2条

1 王珍;基于局域波分析的柴油机故障诊断方法的研究及应用[D];大连理工大学;2002年

2 蔡晓光;柴油机智能故障诊断系统研究[D];中国矿业大学;2009年

中国硕士学位论文全文数据库 前10条

1 刘晓东;基于粗糙集的柴油机故障诊断的研究[D];大连交通大学;2008年

2 冯阳;故障树分析和模糊理论在柴油机故障诊断中的应用[D];北京理工大学;2008年

3 宋栋;基于嵌入式的柴油机故障诊断系统[D];中北大学;2012年

4 王晋;基于粒子滤波信号处理的柴油机故障诊断[D];中北大学;2012年

5 韩慧勇;基于多源信息融合的柴油机故障诊断研究[D];中北大学;2012年

6 刘峥;基于多传感器信息融合的柴油机故障诊断系统[D];湖南大学;2010年

7 郭钢祥;基于局域均值分解和神经网络的柴油机故障诊断研究[D];中北大学;2013年

8 任云鹏;基于曲轴角加速度的柴油机故障诊断研究[D];电子科技大学;2006年

9 董安;基于形态滤波和灰色理论的柴油机故障诊断研究[D];中北大学;2014年

10 张兴华;基于粒子群优化的模糊神经网络的柴油机故障诊断[D];中北大学;2012年

，

本文编号：1120828