基于噪聲信號的發(fā)動機故障診斷HHT-SVM模型研究.pdf

1、發(fā)動機是汽車的核心部件,其性能的好壞直接影響到整車的安全性和可靠性,發(fā)動機故障診斷技術(shù)已成為車輛工程領(lǐng)域的一個重要的研究熱點。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(SVM)的發(fā)動機噪聲故障診斷技術(shù)。
　　本文首先對發(fā)動機的常見故障進(jìn)行了研究,通過分析發(fā)動機噪聲的產(chǎn)生機理和傳播途徑,確定了合理的噪聲信號采集方案。通過發(fā)動機噪聲測試實驗,采集樣機在不同狀態(tài)下(包括正常狀態(tài)和多種故障狀態(tài))的噪聲

2、信號,建立了發(fā)動機噪聲數(shù)據(jù)庫。然后利用非平穩(wěn)信號分析理論,對發(fā)動機噪聲信號實施降噪處理和特征提取,基于虛擬仿真信號和發(fā)動機噪聲信號,對短時傅里葉變換(STFT)、維格納-威爾分布(WVD)、小波變換(WT)和HHT等信號時頻分析方法進(jìn)行了對比研究,分別采用小波包技術(shù)和HHT實施信號降噪和特征提取,建立了反映不同故障的特征向量?；谏鲜鼋Y(jié)果,對機器學(xué)習(xí)、統(tǒng)計學(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、和實現(xiàn)過程,采用SVM對提取的故障噪聲特征向量進(jìn)行了模式識別,實現(xiàn)了發(fā)動機故障的智能診斷。
　　研究結(jié)果表明:對發(fā)動機噪聲信號而言,小波包降噪技術(shù)具有明顯優(yōu)勢;HHT時頻分辨率較高,而且不受交叉項影響,適用于非平穩(wěn)噪聲信號處理;SVM具有很好訓(xùn)練和分類能力,對于小樣本模式識別準(zhǔn)確有效;通過HHT-SVM模型的驗證試驗說明了本文構(gòu)建的9維 HHT特征向量能夠很好地描述信號的故障信息,應(yīng)用HHT-SVM模型進(jìn)行發(fā)動機故障診斷行之有效。