兰天雯，徐志京

（上海海事大学信息工程学院，上海 201306）

一种基于BP神经网络的发动机故障诊断方法

兰天雯，徐志京

（上海海事大学信息工程学院，上海 201306）

针对车辆发动机故障诊断的问题，首先通过希尔伯特-黄变换（HHT）分析处理发动机振动信号的时频特征，提取出基于边际谱能量变化的故障特征参数来准确的表征发动机故障现象。然后利用BP神经网络对发动机故障数据特征进行训练，并对多种实测的故障数据进行测试和识别，验证所提出的算法的准确性。

故障诊断；发动机；HHT；BP神经网络

0 引言

车辆发动机一般具有非常复杂的内部结构，而且工况较差，极易产生各类故障现象，因此发动机的正常工作对运输安全与经济效益有着重要意义。车辆发动机工作的时候，会产生一系列的振动现象，故而产生了振动信号。这些振动信号中包含了很多的故障信息参数，而这些参数直接表征了发动机的工作状况和部件的性能状况。所以我们可以通过对发动机振动信号进行采集和处理，提取相关的特征参数来作为故障诊断的依据。

目前，发动机振动信号的分析与处理一般是利用傅利叶变换的方法进行的。但是由于傅利叶变换算法的固有的性能缺陷，无法同时在时间与频率上取得较高的分析分辨率。此外，发动机振动信号表现出了强烈的非平稳性，而傅利叶变换方法仅能用于分析与处理平稳性质的信号。而其他的方法，例如短时傅利叶变换、时频分析、小波变换等，其理论基础的实质仍然是傅利叶变换，因此也无法突破该方法理论上的先天性缺陷。……