基于小波神经网络的汽车发动机故障诊断的研究

《基于小波神经网络的汽车发动机故障诊断的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、哈尔滨工业人学工学硕」:学位论文摘要发动机作为汽车的动力源，其运行状态的好坏，直接影响到整车的工作状况。发动机产生的故障占全车故障的比例很高，维修费用较高，花费时间也较长。在发动机不解体的情况下，若能及时准确地对其当前的技术状况做出判断，判明故障部位，指出故障原因和排除方法，这无疑将提高汽车使用的可靠性和安全性。汽车发动机的振动能够反映其零部件的运行状况。本文通过分析比较采集到的发动机振动信号，确定了实验测量位置。利用加速度传感器、HY-8130高速采集卡采集了发动机的振动信号，并根据小波包技术，提取了发动机故障信号特征值。本文将小波框

2、架理论与神经网络技术引入到发动机故障诊断中，并利用多分辨分析的思想，提出了一种适于发动机故障诊断的小波神经网络模型并给出了小波神经元的选择及优化方法。在所建立的小波神经网络的基础上，设计了一套能进行发动机故障诊断的实验系统，并通过模拟气门间隙故障进行了实验验证。气门间隙故障是发动机最常见的故障之一，发动机在工作中由于配气机构接触零件的磨损会使气门间隙发生变化，从而引起原有的配气相位等技术状况变坏而产生故障，使发动机的动力性和经济性下降。实验研究结果表明:本文墓于小波神经网络所建立的发动机故障诊断实验系统能够对发动机气门间隙故障进行有效的

3、诊断。关键词发动机故障诊断;小波神经网络;多分辨分析;振动信号;特征提取哈尔滨工业大学工学硕上学位论文AbstractAspowersourceofautomobile,therunningconditionofenginecandirectlyaffectthewholeworkingconditionofautomobile.Enginefaultsconstitutemostproportionofautomobilefaults,andittakeshighcostandlongtimetomaintainit.Therelia

4、bilityandsecurityofautomobilewillbeenhancedifwecanexactlyjudgetheenginecurrentconditionintime,distinguishthepositionsofthefaultsandpointoutthereasonandsolvingmethodwiththeenginebeingnotdisassembly.Enginevibrationreflectstherunningconditionofitsparts.Wedeterminethemeasure

5、mentpositionthroughanalyzingandcomparingthecollectedvibrationsignals.WecollectthevibrationsignalsusingtheaccelerationsensorandhighspeeddataacquisitionboardHY8130,andextractthefaultscharactersbasedonwaveletpackettechnology.Thispaperintroduceswaveletframetheoryandneuralnet

6、worktodiagnosethefaultsofengine,putsforwardamodelofwaveletneuralnetworkusingmultiresolutionanalysis,andgivesthemethodofchoosingandoptimizingthewaveletneuronWedesignanexperimentsystemthatcandiagnosetheenginefaultsbasedontheestablishedwaveletneuralnetwork,andvalidatethesys

7、temthroughsimulatingthefaultsofvalveclearance,whichareoneofmostcommonfaultsofengine.Thecontactpartsfrayofthevalvedistributingmechanismwillchangethevalveclearanceinworkingtime,theconditionofthevalvetimingwilldeteriorate,thusfaultswilloccurandthetractiveperformanceandtheec

8、onomicswilldecrease.Theexperimentalresultsshowthattheestablisheddiagnosticsystembasedonwaveletneuralnet