基于振动时频图像和D-S证据理论的内燃机故障诊断 |
| |
作者姓名: | 牟伟杰 石林锁 蔡艳平 郑勇 刘浩 |
| |
作者单位: | 火箭军工程大学五系,陕西 西安,710025,火箭军工程大学五系,陕西 西安,710025,火箭军工程大学五系,陕西 西安,710025,火箭军工程大学五系,陕西 西安,710025,火箭军工程大学五系,陕西 西安,710025 |
| |
基金项目: | 国家自然科学基金青年基金资助项目(51405498); 陕西省自然科学基金资助项目(2013JQ8023);中国博士后科学基金资助项目(2015M582642). |
| |
摘 要: | 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。
|
关 键 词: | 内燃机 故障诊断 振动信号 时频图像 SPWVD D-S证据理论 局部非负矩阵分解 BP神经网络 |
收稿时间: | 2017/1/6 0:00:00 |
IC engines fault diagnosis based on vibration time-frequency image and D-S evidence theory |
| |
Authors: | Mu Weijie Shi Linsuo Cai Yanping Zheng Yong and Liu Hao |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 等数据库收录! |
| 点击此处可从《》浏览原始摘要信息 |
| 点击此处可从《》下载免费的PDF全文 |
|