基于排气噪声的柴油机气阀故障诊断

• 作者: 尹刚 张光 张英堂 李志宁 李杰仁
• 来源期刊: 噪声与振动控制
• 学科: 工学
• 关键词: 声学 排气噪声 极限学习机 故障诊断 柴油机 AR模型
• 年，卷（期）: 2012,（5）
• 页码范围: 173-176
• 分类号: TK428
• 字数: 4301字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1335.2012.05.039

摘要

通过对柴油机气阀机构七种状态下的排气噪声信号建立AR模型,以AR模型的自回归参数作为故障识别的特征向量,建立基于极限学习机的柴油机气阀故障诊断模型,并与反向传播神经网络算法、径向基网络算法和基于支持向量机的诊断模型相比较.试验结果表明,排气噪声信号可用于柴油机气阀故障的诊断,且基于极限学习机的诊断模型与其他三种算法的分类正确率均可达到95%以上,但在学习速度上,极限学习机具有明显的优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张光	军械工程学院火炮工程系	10	27	3.0	4.0
2	张英堂	军械工程学院火炮工程系	101	884	16.0	23.0
3	李志宁	军械工程学院火炮工程系	48	304	9.0	15.0
4	尹刚	军械工程学院火炮工程系	23	146	7.0	11.0
5	李杰仁	武汉军代局南阳军代室	2	3	1.0	1.0