基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文介绍了一种从柴油机噪声信号中提取失火故障特征的方法,该方法首先用麦克风采集柴油机噪声信号,通过小波包对采集到的噪声信号进行分解并重构,对重构信号进行AR谱估计,然后累加求和,以各频带能量和建立特征量,实例表明该方法是有效的.
推荐文章
基于小波包分析和LS-SVM的柴油机故障诊断方法
柴油机
最小二乘支持向量机
故障诊断
小波包
基于时频奇异谱和RVM的柴油机故障诊断研究
双树复小波包
关联向量机
时频奇异谱
故障诊断
柴油机燃烧系统故障的小波包神经网络模糊诊断法
柴油机
故障诊断
小波包
神经网络
模糊贴近度
基于小波包-AR谱和深度学习的轴承故障诊断研究
小波包分解
特征提取
深度信念网络
故障诊断
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于小波包-AR谱的柴油机故障提取研究
来源期刊 内燃机与配件 学科
关键词 柴油机 噪声信号 小波包-AR谱 故障特征提取
年,卷(期) 2018,(22) 所属期刊栏目 质量与检修
研究方向 页码范围 94-95
页数 2页 分类号
字数 615字 语种 中文
DOI 10.3969/j.issn.1674-957X.2018.22.048
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (12)
共引文献  (9)
参考文献  (2)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
柴油机
噪声信号
小波包-AR谱
故障特征提取
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
内燃机与配件
半月刊
1674-957X
13-1397/TH
大16开
河北省石家庄市经济技术开发区世纪大道66号
1980
chi
出版文献量(篇)
16567
总下载数(次)
64
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导