基于声信号和BP神经网络的柴油发动机故障诊断
2017-12-23曾锐利梅检民
军事交通学院学报 2017年12期
曾 荣,曾锐利,梅检民,张 帅,丁 雷
(1.陆军军事交通学院 研究生管理大队,天津 300161;2.陆军军事交通学院 军用车辆系,天津 300161)
● 车辆工程VehicleEngineering
基于声信号和BP神经网络的柴油发动机故障诊断
曾 荣1,曾锐利2,梅检民2,张 帅1,丁 雷1
(1.陆军军事交通学院 研究生管理大队,天津 300161;2.陆军军事交通学院 军用车辆系,天津 300161)
为实现柴油机异响故障的不解体诊断,采用双麦克风采集发动机噪声信号,利用小波分解技术对采集的声压信号进行分解,通过比较不同的小波分解方法,确定用于故障诊断的声音特征参数,最后构建BP神经网络进行模式识别。试验结果表明,采用双麦克风对发动机进行故障诊断的方法准确性高,可以应用于发动机异响故障诊断。
柴油机故障诊断;双麦克风;多分辨分析;声信号;BP神经网络
发动机工作过程会产生振动信号,发生故障时信号的声音频谱就会有所表现。利用发动机工作过程中产生的异常噪音信号检测发动机故障,相比于其他方式具有不接触、不解体和操作简单等优点。
由于声信号信噪比较低,故存在特征提取较为困难以及故障诊断分类器无法实现类别增量学习等缺陷。针对信噪比较低的问题,许多学者开展了一些研究,如:利用小波分析,将小波变换应用于滚动轴承故障声信号的处理[1];通过多尺度分解,提高声信号的信噪比[2];采用独立分量分析和自相关分析降噪[3];利用形态分量分析方法进行广义软取阈值去噪[4];利用梅尔频率倒谱系数算法提取故障特征[5],等等。……
登录APP查看全文
