小波去噪和概率神經(jīng)網(wǎng)絡(luò)在發(fā)動機聲信號識別中的應(yīng)用.pdf

1、對發(fā)動機運行時產(chǎn)生的聲音進行采集和分析是了解發(fā)動機狀態(tài)的一條有效途徑，因此發(fā)動機聲信號的識別是發(fā)動機狀態(tài)檢測與故障分類的重要組成部分。針對目前我國對發(fā)動機運行時聲音是否正常還采用人工聽診的狀況，本文提出了一種用小波去噪及概率神經(jīng)網(wǎng)絡(luò)為主要信號處理和模式識別的發(fā)動機聲信號識別方法。
　　論文首先剖析了小波變換中連續(xù)小波變換和離散小波變換各自的概念和性質(zhì)，為小波去噪的引入打下了基礎(chǔ)。通過詳細對比分析模極大值去噪、小波閾值去噪和小波空域

2、去噪3種方法的優(yōu)缺點，指出了小波閾值去噪是一種較優(yōu)的選擇。又針對發(fā)動機聲信號具有突變、不連續(xù)點的特征，小波閾值去噪會產(chǎn)生偽 Gibbs現(xiàn)象，論文提出了運用基于平移不變小波的閾值去噪法，并確定了該方法中平移量的大小和解決了閾值函數(shù)的選取問題。通過對加噪后的 blocks信號進行仿真分析，確認了平移不變小波去噪具有很好的去噪效果。論文對概率神經(jīng)網(wǎng)絡(luò)在發(fā)動機聲信號識別中的共性理論進行了分析，詳細描述了人工神經(jīng)元的概念、神經(jīng)網(wǎng)絡(luò)的分類及學(xué)習(xí)方式

3、。在深入剖析Bayes理論和Parzen窗理論的基礎(chǔ)上，對概論神經(jīng)網(wǎng)絡(luò)的特點進行了總結(jié)，并對其學(xué)習(xí)算法進行了系統(tǒng)的描述。
　　論文選取某單缸四沖程發(fā)動機的聲信號為研究對象，描述了該款發(fā)動機的基本技術(shù)參數(shù)、聲信號的類型（以異響類型為主），確定了發(fā)動機聲信號的采集工況、測點位置和測試環(huán)境，分析了測取聲信號的硬件和軟件，為能夠正確采集發(fā)動機聲信號做出了規(guī)范。
　　基于以上結(jié)論，本文對正常、箱體異響、右蓋異響、左蓋異響四種狀態(tài)的發(fā)動