论文部分内容阅读
在不同的燃烧状况下同时测量缸盖表面振动信号和缸内压力信号，对平均处理后的信号进行频域分析，发现缸内压力信号中相对于基频前50阶的谐波分量包含了所关心的主要信息。根据频域分析得到的复数谱的对称特性建立了训练样本，并对建立的BP和RBF神经网络进行训练。训练的结果表明RBF神经网络可以在更短的训练时间内，获得更小的均方误差。利用不同的神经网络进行了缸内压力信号的识别，识别的结果表明，RBF神经网络识别的精度高于BP神经网络。