基于IMF复杂度和RBF网络的配气机构故障诊断

• 作者: 吕建新 吴庐山 吴虎胜 来凌红 赵法栋
• 来源期刊: 计算机测量与控制
• 关键词: 柴油机 故障诊断 经验模态分解(EMD) 复杂度 RBF神经网络
• 年，卷（期）: 2011,（5）
• 所属期刊栏目: 自动化测试
• 页码范围: 1040-1043
• 分类号: TK428|TP206.3
• 语种: 中文

摘要

针对柴油机振动信号的非平稳特性,提出一种经验模态分解(Empirical Mode Decomposition,EMD)、复杂度和RBF(radi-cal basis function)神经网络相结合的故障诊断方法;运用经验模态分解方法对特定时段的振动信号进行分析,计算前5个固有模式分量(Intrinsic Mode Functions,IMF)的Lempel--Ziv相对复杂度作为故障特征向量,并利用RBF神经网络可以快速逼近任意非线性函数及良好分类能力的特点,来实现对柴油机工作状态和故障类型的判别;最后,利用实际柴油机试验数据的诊断和对比试验验证了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吕建新		53	282	10.0	15.0
2	来凌红		8	66	3.0	8.0
3	吴虎胜		32	494	11.0	22.0
4	赵法栋		20	20	3.0	4.0
5	吴庐山		6	52	4.0	6.0