2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩77頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

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。

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論