排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
为抑制循环波动性对内燃机故障诊断结果的影响,引入D-S证据理论,提出一种基于内燃机振动时频图像、局部非负矩阵分解、BP神经网络和D-S证据理论的内燃机故障诊断新方法。首先采用平滑伪魏格纳分布(SPWVD)方法对8种不同气门状态的缸盖振动信号进行分析得到振动时频图像,然后用局部非负矩阵分解(LNMF)方法提取时频图像的特征参数并组成训练集和测试集,用得到的训练集对BP神经网络进行训练,再把测试集输入到训练好的BP神经网络,将输出的结果转化为基本概率赋值,用Deng加权平均证据合成规则对同种状态下不同图像的证据进行合成,并利用合成后的结果进行诊断分类。实例分析结果表明,基于振动时频图像和D-S证据理论的内燃机故障诊断方法可以有效抑制内燃机循环波动性对诊断结果的影响,能够准确诊断不同类型的气门故障。 相似文献
2.
采用Solidworks软件对某型号电源车骨架进行三维设计与建模,然后利用ANSYS Workbench软件建立有限元分析模型,对骨架进行了模态分析,得到该电源车骨架固有频率和振型,进而研究该电源车振动情况,为下一步对该电源车骨架的结构改进提供理论依据. 相似文献
1