基于噪聲信號(hào)的發(fā)動(dòng)機(jī)故障診斷HHT-SVM模型研究.pdf

1、發(fā)動(dòng)機(jī)是汽車的核心部件,其性能的好壞直接影響到整車的安全性和可靠性,發(fā)動(dòng)機(jī)故障診斷技術(shù)已成為車輛工程領(lǐng)域的一個(gè)重要的研究熱點(diǎn)。本文在總結(jié)前人研究的基礎(chǔ)上,提出了一種基于希爾伯特黃變換(HHT)和支持向量機(jī)(SVM)的發(fā)動(dòng)機(jī)噪聲故障診斷技術(shù)。
　　本文首先對(duì)發(fā)動(dòng)機(jī)的常見(jiàn)故障進(jìn)行了研究,通過(guò)分析發(fā)動(dòng)機(jī)噪聲的產(chǎn)生機(jī)理和傳播途徑,確定了合理的噪聲信號(hào)采集方案。通過(guò)發(fā)動(dòng)機(jī)噪聲測(cè)試實(shí)驗(yàn),采集樣機(jī)在不同狀態(tài)下(包括正常狀態(tài)和多種故障狀態(tài))的噪聲

2、信號(hào),建立了發(fā)動(dòng)機(jī)噪聲數(shù)據(jù)庫(kù)。然后利用非平穩(wěn)信號(hào)分析理論,對(duì)發(fā)動(dòng)機(jī)噪聲信號(hào)實(shí)施降噪處理和特征提取,基于虛擬仿真信號(hào)和發(fā)動(dòng)機(jī)噪聲信號(hào),對(duì)短時(shí)傅里葉變換(STFT)、維格納-威爾分布(WVD)、小波變換(WT)和HHT等信號(hào)時(shí)頻分析方法進(jìn)行了對(duì)比研究,分別采用小波包技術(shù)和HHT實(shí)施信號(hào)降噪和特征提取,建立了反映不同故障的特征向量。基于上述結(jié)果,對(duì)機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)習(xí)理論、非線性和多分類SVM等人工智能理論進(jìn)行了深入研究,分析了SVM的作用原理

3、和實(shí)現(xiàn)過(guò)程,采用SVM對(duì)提取的故障噪聲特征向量進(jìn)行了模式識(shí)別,實(shí)現(xiàn)了發(fā)動(dòng)機(jī)故障的智能診斷。
　　研究結(jié)果表明:對(duì)發(fā)動(dòng)機(jī)噪聲信號(hào)而言,小波包降噪技術(shù)具有明顯優(yōu)勢(shì);HHT時(shí)頻分辨率較高,而且不受交叉項(xiàng)影響,適用于非平穩(wěn)噪聲信號(hào)處理;SVM具有很好訓(xùn)練和分類能力,對(duì)于小樣本模式識(shí)別準(zhǔn)確有效;通過(guò)HHT-SVM模型的驗(yàn)證試驗(yàn)說(shuō)明了本文構(gòu)建的9維 HHT特征向量能夠很好地描述信號(hào)的故障信息,應(yīng)用HHT-SVM模型進(jìn)行發(fā)動(dòng)機(jī)故障診斷行之有效。