對基于離散小波變換和神經(jīng)網(wǎng)絡(luò)的發(fā)動機故障診斷的研究[外文翻譯].rar
對基于離散小波變換和神經(jīng)網(wǎng)絡(luò)的發(fā)動機故障診斷的研究[外文翻譯],對基于離散小波變換和神經(jīng)網(wǎng)絡(luò)的發(fā)動機故障診斷的研究吳建達，劉秋紅彰化教育大學(xué)車輛工程研究生院，彰化市金德路，彰化500，臺灣摘要：本文是對基于離散小波變換（dwt）和神經(jīng)網(wǎng)絡(luò)的內(nèi)燃機故障診斷技術(shù)的調(diào)查報告。一般來說，當旋轉(zhuǎn)機械的振動信號不可用時，聲發(fā)射信號在狀態(tài)監(jiān)測和故障診斷方面很有替代振動信號的前景。大多數(shù)傳統(tǒng)的故障...
該文檔為壓縮文件,包含的文件列表如下:
內(nèi)容介紹
原文檔由會員 weiyong 發(fā)布
對基于離散小波變換和神經(jīng)網(wǎng)絡(luò)的發(fā)動機故障診斷的研究
吳建達，劉秋紅
彰化教育大學(xué)車輛工程研究生院，彰化市金德路，彰化500，臺灣
摘要：
本文是對基于離散小波變換（DWT）和神經(jīng)網(wǎng)絡(luò)的內(nèi)燃機故障診斷技術(shù)的調(diào)查報告。一般來說，當旋轉(zhuǎn)機械的振動信號不可用時，聲發(fā)射信號在狀態(tài)監(jiān)測和故障診斷方面很有替代振動信號的前景。大多數(shù)傳統(tǒng)的故障診斷技術(shù)使用基于對信號的時域或頻域的振幅分析而得到的聲發(fā)射和振動信號。同時，為了獲得時域和頻域信息，連續(xù)小波變換（CWT）技術(shù)也得到了發(fā)展。但不幸的是，CWT技術(shù)經(jīng)常需要一段長的計算時間來完成操作。在本研究中，為了修正這些缺點，我們在不喪失其原本的性質(zhì)的前提下，提出了一種新的DWT技術(shù)，這種技術(shù)通過使用神經(jīng)網(wǎng)絡(luò)分析錯誤信號，能夠?qū)崿F(xiàn)能量光譜的特征選擇和故障分類。不同分辨率水平下的聲發(fā)射信號的特征可以通過利用多分辨率分析特性和帕斯瓦爾定理來得到[ Gaing,Z,L (2004).基于小波的電流擾動和識別神經(jīng)網(wǎng)絡(luò)。電子和電氣工程師協(xié)會，電網(wǎng)技術(shù) 19，1560-1568]。該算法是從Daubechies以往的工作得到的[Daubechies, I.(1998).緊支撐小波的標準基礎(chǔ)。通信理論數(shù)學(xué)和應(yīng)用數(shù)學(xué) 41,909-996.], “db4”, “db8”和“db20”小波函數(shù)被用來執(zhí)行本文所提出的DWT技術(shù)。這些
特征被用于基于神經(jīng)網(wǎng)絡(luò)的錯誤識別。這些試驗結(jié)果表明本文所提到的使用聲發(fā)射信號系統(tǒng)是有用的，它能用于各種發(fā)動機工作條件下的故障診斷。
關(guān)鍵詞：離散小波變換，神經(jīng)網(wǎng)絡(luò)，異響診斷，聲發(fā)射信號
1. 引言
隨著信號處理技術(shù)的迅速發(fā)展，聲發(fā)射和振動信號由于總是帶有機械系統(tǒng)的動態(tài)信息而被用于狀態(tài)監(jiān)測和故障的診斷。研究者們發(fā)明了許多有趣的方法，例如時間序列統(tǒng)計，傅立葉變換，快速傅立葉變換（FFT），短時間傅立葉變換（STFT），對稱點模式（SDP）以及Wigner-Ville分布（WVD）(Forrester,1989;Shibata,Takahashi,&Shirai,2000;Yazici&Kliman,1999).但是這些方法在機械診斷中只提供有限的性能。例如，傅立葉變換被用來在損傷診斷中分析和觀察信號在頻域中振幅的不同。而快速傅立葉變換在識別諧波信號時十分有用。但是由于它的常量時間和頻率分解，它在分析突變信號時就沒那么有用了。WVD是Forrester（1989）提出來的一種技術(shù)，它能夠在傳動系統(tǒng)的故障診斷中將振動信號平均化。不同的故障如齒輪的裂縫或齒面的凹坑能夠用WVD線圖進行偵斷。不幸的是，雖然WVD能夠像STFT方法一樣提供真實的時間-頻率表示，也在時間-頻率平面有一個好的集中點，但是當時間-頻率平面處于臨界狀態(tài)時將會產(chǎn)生
沖突（彭，朱2004）。
很明顯，一些傳統(tǒng)的技術(shù)會產(chǎn)生頻率模糊效應(yīng)并且只能在穩(wěn)定狀態(tài)下處理信號。根據(jù)上面所提到的，為了解決這些問題，小波分析已經(jīng)得到了發(fā)展并廣泛的利用（Alsberg,Woodw-
吳建達，劉秋紅
彰化教育大學(xué)車輛工程研究生院，彰化市金德路，彰化500，臺灣
摘要：
本文是對基于離散小波變換（DWT）和神經(jīng)網(wǎng)絡(luò)的內(nèi)燃機故障診斷技術(shù)的調(diào)查報告。一般來說，當旋轉(zhuǎn)機械的振動信號不可用時，聲發(fā)射信號在狀態(tài)監(jiān)測和故障診斷方面很有替代振動信號的前景。大多數(shù)傳統(tǒng)的故障診斷技術(shù)使用基于對信號的時域或頻域的振幅分析而得到的聲發(fā)射和振動信號。同時，為了獲得時域和頻域信息，連續(xù)小波變換（CWT）技術(shù)也得到了發(fā)展。但不幸的是，CWT技術(shù)經(jīng)常需要一段長的計算時間來完成操作。在本研究中，為了修正這些缺點，我們在不喪失其原本的性質(zhì)的前提下，提出了一種新的DWT技術(shù)，這種技術(shù)通過使用神經(jīng)網(wǎng)絡(luò)分析錯誤信號，能夠?qū)崿F(xiàn)能量光譜的特征選擇和故障分類。不同分辨率水平下的聲發(fā)射信號的特征可以通過利用多分辨率分析特性和帕斯瓦爾定理來得到[ Gaing,Z,L (2004).基于小波的電流擾動和識別神經(jīng)網(wǎng)絡(luò)。電子和電氣工程師協(xié)會，電網(wǎng)技術(shù) 19，1560-1568]。該算法是從Daubechies以往的工作得到的[Daubechies, I.(1998).緊支撐小波的標準基礎(chǔ)。通信理論數(shù)學(xué)和應(yīng)用數(shù)學(xué) 41,909-996.], “db4”, “db8”和“db20”小波函數(shù)被用來執(zhí)行本文所提出的DWT技術(shù)。這些
特征被用于基于神經(jīng)網(wǎng)絡(luò)的錯誤識別。這些試驗結(jié)果表明本文所提到的使用聲發(fā)射信號系統(tǒng)是有用的，它能用于各種發(fā)動機工作條件下的故障診斷。
關(guān)鍵詞：離散小波變換，神經(jīng)網(wǎng)絡(luò)，異響診斷，聲發(fā)射信號
1. 引言
隨著信號處理技術(shù)的迅速發(fā)展，聲發(fā)射和振動信號由于總是帶有機械系統(tǒng)的動態(tài)信息而被用于狀態(tài)監(jiān)測和故障的診斷。研究者們發(fā)明了許多有趣的方法，例如時間序列統(tǒng)計，傅立葉變換，快速傅立葉變換（FFT），短時間傅立葉變換（STFT），對稱點模式（SDP）以及Wigner-Ville分布（WVD）(Forrester,1989;Shibata,Takahashi,&Shirai,2000;Yazici&Kliman,1999).但是這些方法在機械診斷中只提供有限的性能。例如，傅立葉變換被用來在損傷診斷中分析和觀察信號在頻域中振幅的不同。而快速傅立葉變換在識別諧波信號時十分有用。但是由于它的常量時間和頻率分解，它在分析突變信號時就沒那么有用了。WVD是Forrester（1989）提出來的一種技術(shù)，它能夠在傳動系統(tǒng)的故障診斷中將振動信號平均化。不同的故障如齒輪的裂縫或齒面的凹坑能夠用WVD線圖進行偵斷。不幸的是，雖然WVD能夠像STFT方法一樣提供真實的時間-頻率表示，也在時間-頻率平面有一個好的集中點，但是當時間-頻率平面處于臨界狀態(tài)時將會產(chǎn)生
沖突（彭，朱2004）。
很明顯，一些傳統(tǒng)的技術(shù)會產(chǎn)生頻率模糊效應(yīng)并且只能在穩(wěn)定狀態(tài)下處理信號。根據(jù)上面所提到的，為了解決這些問題，小波分析已經(jīng)得到了發(fā)展并廣泛的利用（Alsberg,Woodw-
