文献类型：期刊文章

作　　者：韩博[1,2]

HAN Bo(Information Science and Engineering Institute of Circuits and Systems, Lanzhou University, Lanzhou 730000, China Unit 69019, Urumqi 830017, China)

机构地区：[1]兰州大学信息科学与工程学院电路与系统研究所 [2]69019部队

出　　处：《军事交通学院学报》

年　　份：2017

卷　　号：19

期　　号：3

起止页码：47-52

语　　种：中文

收录情况：CSA、CSA-PROQEUST、IC、NSSD、普通刊

摘　　要：针对基于汽车发动机振动信号处理的故障诊断问题,首先,利用截断矩阵奇异值分解方法对采集信号进行降噪预处理,以获取较为纯净的振动信号;然后,通过希尔伯特-黄变换(HHT)信号处理理论对采集信号进行分解与时频分析,提取出分量信号能量特征与边际谱区域变化特征两种参数作为汽车发动机故障诊断与识别的依据,并对比分析不同故障状态下的特征融和结果;最后,使用径向基(RBF)神经网络对故障样本特征进行训练,并进行多种实测故障数据的训练与识别。实际故障数据处理结果表明,上述特征参数可有效表征故障信号的时频域变化特点,可以作为汽车发动机故障的诊断依据。

关 键 词：故障诊断 汽车发动机 希尔伯特-黄变换 RBF神经网络

分 类 号：U464]