检索结果

期刊

出版年

关键词

Please wait a minute...

选择:

导出引用
EndNote Ris BibTeX

显示/隐藏图片

Select

1. 基于排气噪声的柴油机气阀故障诊断

尹刚1，张英堂1，李志宁1，李杰仁2，张光1

噪声与振动控制 2012, 32 (5): 173-176. DOI: 10.3969/j.issn.1006-1335.2012.05.039

摘要（1575）

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。

相关文章 | 多维度评价

Select

2. 基于Kalman转移矩阵的发动机故障诊断方法

孙宜权1,2，张英堂1，李志伟2，尹刚1

噪声与振动控制 2012, 32 (5): 159-163. DOI: 10.3969/j.issn.1006-1335.2012.05.036

摘要（1254）

为了从发动机缸盖振动信号中提取出全面的、高质量的状态特征，建立缸盖振动信号的时变参数模型，提出缸盖振动信号Kalman滤波预测算法，通过引入包含发动机状态信息的Kalman转移矩阵，得到转移矩阵的奇异值分布，构成特征子集。研究不同工况下特征子集的分布，选用极限学习机对特征样本进行分类和测试，实际应用结果表明，发动机故障诊断精度较高。