论文部分内容阅读
本文针对汽车发动机机械故障诊断问题进行了研究与设计，构建了诊断装置的硬件平台，分析了发动机振动信号的时域统计特征和时频特征，深入研究了特征提取、特征选择、模式识别的方法，在此基础上构建了一个新型汽车发动机机械故障智能诊断系统。
论文的主要内容包括：
(1)分析了汽车发动机缸盖表面振动信号的时域统计特征，确定振动信号具有非平稳随机特征，利用小波分析技术对信号进行了时频分析，概括总结了不同故障模式信号对应不同范围的频带能量特征。
(2)提出了一种基于小波包局域判别基结点能量谱的新的特征提取方法。研究了基于相对熵准则的局域判别基快速算法，结点频带能量谱特征的提取方法以及基于信号最小频带跨度的小波包分解层数的确定方法，分析了特征向量的类别可分性。
(3)研究了基于遗传算法的特征选择算法，设计了该算法的处理流程，定义了类间/类内距离的适应度函数，引入了一个基于个体适应度的自适应交叉率和变异率公式，研究了该算法的搜索效率和经过选择后的特征向量类别可分性。
(4)提出了一种基于动量项与自适应变步长算法相结合的改进BP算法，设计了分类器模型，研究了改进学习算法的效率、分类器的拓扑结构、输入层与隐含层神经元个数的关系等，完成网络的测试。
最后构建了一个集小波包变换、遗传算法、神经网络于一体的新型发动机机械故障诊断系统模型，并通过现场检测对系统进行了评估。