附件C：譯文


一種采用小波包變換和神經(jīng)網(wǎng)絡(luò)的內(nèi)燃機(jī)故障診斷系統(tǒng)

摘要
在現(xiàn)今研究中，關(guān)于故障診斷系統(tǒng)，提出了小波包變換（小波包變換）和人工神經(jīng)網(wǎng)絡(luò)（ANN）技術(shù)。在機(jī)械故障診斷系統(tǒng)中，小波包變換是一個(gè)比較常用的信號(hào)故障檢測(cè)和識(shí)別處理技術(shù)。本系統(tǒng)的信號(hào)處理算法獲得的語(yǔ)音識(shí)別使用以前的工作。在聲發(fā)射信號(hào)的預(yù)處理，小波包變換系數(shù)用于評(píng)價(jià)其熵的特點(diǎn)和區(qū)別對(duì)待的故障情況。顯然，小波包變換能提高連續(xù)小波變換（CWT）在較長(zhǎng)的計(jì)算時(shí)間和巨大的操作數(shù)使用，它也可以解決離散小波頻帶分歧變換。在試點(diǎn)工作中，作為母小波建立和執(zhí)行提出的小波包變換技術(shù)。在分類方法上，以驗(yàn)證所提出的廣義回歸神經(jīng)網(wǎng)絡(luò)在故障診斷，常規(guī)反向傳播網(wǎng)絡(luò)和效果較一GRNN的網(wǎng)絡(luò)。實(shí)驗(yàn)結(jié)果表明，提出的分類系統(tǒng)對(duì)于各種工作條件發(fā)動(dòng)機(jī)實(shí)現(xiàn)了平均準(zhǔn)確度超過(guò)95％。
1. 引言
狀態(tài)監(jiān)測(cè)與故障診斷對(duì)避免機(jī)械系統(tǒng)的嚴(yán)重破壞是非常重要的。內(nèi)燃機(jī)是經(jīng)典旋轉(zhuǎn)機(jī)械，必須根據(jù)不同性能要求的各種條件進(jìn)行操作。聲發(fā)射信號(hào)與振動(dòng)引擎往往給出許多機(jī)械系統(tǒng)的動(dòng)態(tài)信息。信號(hào)分析技術(shù)已作為故障診斷的有效方法之一。許多有用的信號(hào)分析技術(shù)已被提出，例如快速傅里葉變換，自適應(yīng)跟蹤技術(shù)。僅管如此，聲發(fā)射信號(hào)的分析或振動(dòng)信號(hào)分析均在時(shí)頻域信息中有所強(qiáng)調(diào)。有許多已被研究成熟的方法如傅里葉變換（STFT）（波特諾夫，1980年）制定的其他技術(shù)，魏格納分布（WVD）。Staszewski，沃爾登和湯姆林森，1997年）和小波變換（WT）（陳，孫，張，王，2005年;林和曲，2000年;普拉巴卡爾，莫漢提和Sekhar，2002年;塞爾哈特＆埃米內(nèi)，2003年;謝，楊和譚，2004;吳與陳，2006;鄭，李，陳三，2002年）。所有的技術(shù)被開(kāi)發(fā)成功，但小波變換的是這些工具中最好的，因?yàn)镾TFT在制作有關(guān)情況危急時(shí)頻域干擾項(xiàng)時(shí)只提供了一個(gè)固定的時(shí)間和頻率分辨率。
WT可劃分為連續(xù)小波變換（CWT）和離散小波變換（DWT）。 2000年，Lin andQu運(yùn)用振動(dòng)信號(hào)來(lái)進(jìn)行特征提取和Morlet小波的故障診斷。 2002年，Zhenget al.出版了齒輪故障診斷方法連續(xù)小波變換，并提出了時(shí)間平均小波譜的新概念。2004年，Tse et al.設(shè)計(jì)了一個(gè)創(chuàng)新的小波叫做確切的小波分析，用來(lái)提高振動(dòng)的機(jī)械故障診斷魯棒性。 2006年，吳和陳在內(nèi)燃機(jī)故障信號(hào)診斷中用連續(xù)小波變換（吳與陳，2006年）算法。所有這些研究都是連續(xù)小波變換方法有用的例子。不幸的是，連續(xù)小波變換具有巨大的操作數(shù)，需要篅@さ氖奔淅詞褂謾Ｒ虼?，小波被开发利用和讣{評(píng)刺岣咴錘叢擁男藕歐紙夂腿舾閃〔ū浠壞娜鋇恪� （普拉巴卡爾等。，2002年;塞爾哈特＆埃米內(nèi)，2003年）。 2005年，陳等人。在低速滾動(dòng)軸承基礎(chǔ)上提出了應(yīng)力短波（SW）的方法（陳等人小波分析。，2005）。不幸的是，對(duì)于包含一個(gè)更高頻帶的信號(hào)小波分析不是一個(gè)適當(dāng)?shù)姆椒?。另外，小波包變換（小波包變換）提供了在相同的頻率帶寬