基于分形和神经网络的柴油机振动诊断方法

• 作者: 刘永长 宾鸿赞 高世伦 黄强
• 来源期刊: 华中科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 柴油机 分形理论 神经网络 故障诊断
• 年，卷（期）: 2005,（9）
• 页码范围: 68-70
• 页数: 3页
• 分类号: TK42
• 字数: 1869字
• 语种: 中文
• DOI: 10.3321/j.issn:1671-4512.2005.09.022

摘要

提出了一种基于分形理论和神经网络技术的柴油机振动诊断方法,首先对柴油机的振动信号进行小波降噪,然后提取相应的不同迭代阶数的广义分形维数,并将其作为RBF神经网络的输入参数,以运行工况作为输出参数训练神经网络模型.训练后的神经网络可以利用测量的振动信号来判断柴油机的故障状况.实验及仿真结果表明:采用的小波降噪技术可以较好地再现振动信号特征,有效提高故障识别率;同时基于分形和神经网络技术的诊断方法在柴油机故障诊断中是有效可行的,对于单个故障的正确识别率达到了100%,具有较高的工程适用性,对其他复杂机械的振动诊断同样具有参考价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高世伦	华中科技大学能源与动力工程学院	43	306	11.0	14.0
2	宾鸿赞	华中科技大学机械科学与工程学院	87	914	15.0	26.0
3	刘永长	华中科技大学能源与动力工程学院	32	462	14.0	20.0
4	黄强	华中科技大学能源与动力工程学院	20	208	10.0	14.0