基于AR模型和神经网络的柴油机故障诊断
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:


Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    建立了一种基于AR与RBF神经 网络结合的诊断模型,模拟柴油机气阀漏气、气门间隙异常等故障,采用NI公司PCI4472采 集卡在LabVIEW71平台上开发了柴油机缸盖振动信号采集分析与诊断系统。首先,对利用该 系统采集的缸盖振动信号样本建立AR模型并进行AR谱估计,从中提取5个特征参数,然后利用RBF神经网络进行故障模式识别。结果表明,该诊断方法具有较高的精度,便于故障在线监测 与诊断系统的开发。

    Abstract:

    A fault diagnosis method based on the auto regressive(AR) model and the neural n etworks was put forward. Through the simulation of the faults such as the gas le akage and the abnormal lash of a diesel engine, a diagnosis system for the cyli nder head where the faults occured frequently was developed by using the N1447 2 s ignal acquistion module on the LabVIEW platform. An AR model was established us in g the vibration signal samples from the cylinder head, and the AR spectra were e stimated and five feature parameters were extracted. Then, a radialbasedfunc t ion(RBF) network was used to distinguish the fault type. Results show that the m ehtod is effective for developing the online monitoring and diagnosis system o f the diesel engine.

    参考文献
    相似文献
    引证文献
引用本文
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期:
  • 出版日期:
您是第位访问者
振动、测试与诊断 ® 2024 版权所有
技术支持:北京勤云科技发展有限公司