一种采用小波包变换和神经网络的内燃机故障诊断系统[外文翻译].rar
一种采用小波包变换和神经网络的内燃机故障诊断系统[外文翻译],附件c：译文 一种采用小波包变换和神经网络的内燃机故障诊断系统摘要在现今研究中，关于故障诊断系统，提出了小波包变换（小波包变换）和人工神经网络（ann）技术。在机械故障诊断系统中，小波包变换是一个比较常用的信号故障检测和识别处理技术。本系统的信号处理算法获得的语音识别使用以前的工作。在声发射信号的预处理，小波包变换系数...
该文档为压缩文件,包含的文件列表如下:
内容介绍
原文档由会员 yaagoo 发布
附件C：译文
一种采用小波包变换和神经网络的内燃机故障诊断系统
摘要
在现今研究中，关于故障诊断系统，提出了小波包变换（小波包变换）和人工神经网络（ANN）技术。在机械故障诊断系统中，小波包变换是一个比较常用的信号故障检测和识别处理技术。本系统的信号处理算法获得的语音识别使用以前的工作。在声发射信号的预处理，小波包变换系数用于评价其熵的特点和区别对待的故障情况。显然，小波包变换能提高连续小波变换（CWT）在较长的计算时间和巨大的操作数使用，它也可以解决离散小波频带分歧变换。在试点工作中，作为母小波建立和执行提出的小波包变换技术。在分类方法上，以验证所提出的广义回归神经网络在故障诊断，常规反向传播网络和效果较一GRNN的网络。实验结果表明，提出的分类系统对于各种工作条件发动机实现了平均准确度超过95％。
1. 引言
状态监测与故障诊断对避免机械系统的严重破坏是非常重要的。内燃机是经典旋转机械，必须根据不同性能要求的各种条件进行操作。声发射信号与振动引擎往往给出许多机械系统的动态信息。信号分析技术已作为故障诊断的有效方法之一。许多有用的信号分析技术已被提出，例如快速傅里叶变换，自适应跟踪技术。仅管如此，声发射信号的分析或振动信号分析均在时频域信息中有所强调。有许多已被研究成熟的方法如傅里叶变换（STFT）（波特诺夫，1980年）制定的其他技术，魏格纳分布（WVD）。Staszewski，沃尔登和汤姆林森，1997年）和小波变换（WT）（陈，孙，张，王，2005年;林和曲，2000年;普拉巴卡尔，莫汉提和Sekhar，2002年;塞尔哈特＆埃米内，2003年;谢，杨和谭，2004;吴与陈，2006;郑，李，陈三，2002年）。所有的技术被开发成功，但小波变换的是这些工具中最好的，因为STFT在制作有关情况危急时频域干扰项时只提供了一个固定的时间和频率分辨率。
WT可划分为连续小波变换（CWT）和离散小波变换（DWT）。 2000年，Lin andQu运用振动信号来进行特征提取和Morlet小波的故障诊断。 2002年，Zhenget al.出版了齿轮故障诊断方法连续小波变换，并提出了时间平均小波谱的新概念。2004年，Tse et al.设计了一个创新的小波叫做确切的小波分析，用来提高振动的机械故障诊断鲁棒性。 2006年，吴和陈在内燃机故障信号诊断中用连续小波变换（吴与陈，2006年）算法。所有这些研究都是连续小波变换方法有用的例子。不幸的是，连续小波变换具有巨大的操作数，需要篅@さ氖奔淅词褂谩Ｒ虼耍〔ū豢⒗煤透纳评刺岣咴锤丛拥男藕欧纸夂腿舾闪〔ū浠坏娜钡恪� （普拉巴卡尔等。，2002年;塞尔哈特＆埃米内，2003年）。 2005年，陈等人。在低速滚动轴承基础上提出了应力短波（SW）的方法（陈等人小波分析。，2005）。不幸的是，对于包含一个更高频带的信号小波分析不是一个适当的方法。另外，小波包变换（小波包变换）提供了在相同的频率带宽
一种采用小波包变换和神经网络的内燃机故障诊断系统
摘要
在现今研究中，关于故障诊断系统，提出了小波包变换（小波包变换）和人工神经网络（ANN）技术。在机械故障诊断系统中，小波包变换是一个比较常用的信号故障检测和识别处理技术。本系统的信号处理算法获得的语音识别使用以前的工作。在声发射信号的预处理，小波包变换系数用于评价其熵的特点和区别对待的故障情况。显然，小波包变换能提高连续小波变换（CWT）在较长的计算时间和巨大的操作数使用，它也可以解决离散小波频带分歧变换。在试点工作中，作为母小波建立和执行提出的小波包变换技术。在分类方法上，以验证所提出的广义回归神经网络在故障诊断，常规反向传播网络和效果较一GRNN的网络。实验结果表明，提出的分类系统对于各种工作条件发动机实现了平均准确度超过95％。
1. 引言
状态监测与故障诊断对避免机械系统的严重破坏是非常重要的。内燃机是经典旋转机械，必须根据不同性能要求的各种条件进行操作。声发射信号与振动引擎往往给出许多机械系统的动态信息。信号分析技术已作为故障诊断的有效方法之一。许多有用的信号分析技术已被提出，例如快速傅里叶变换，自适应跟踪技术。仅管如此，声发射信号的分析或振动信号分析均在时频域信息中有所强调。有许多已被研究成熟的方法如傅里叶变换（STFT）（波特诺夫，1980年）制定的其他技术，魏格纳分布（WVD）。Staszewski，沃尔登和汤姆林森，1997年）和小波变换（WT）（陈，孙，张，王，2005年;林和曲，2000年;普拉巴卡尔，莫汉提和Sekhar，2002年;塞尔哈特＆埃米内，2003年;谢，杨和谭，2004;吴与陈，2006;郑，李，陈三，2002年）。所有的技术被开发成功，但小波变换的是这些工具中最好的，因为STFT在制作有关情况危急时频域干扰项时只提供了一个固定的时间和频率分辨率。
WT可划分为连续小波变换（CWT）和离散小波变换（DWT）。 2000年，Lin andQu运用振动信号来进行特征提取和Morlet小波的故障诊断。 2002年，Zhenget al.出版了齿轮故障诊断方法连续小波变换，并提出了时间平均小波谱的新概念。2004年，Tse et al.设计了一个创新的小波叫做确切的小波分析，用来提高振动的机械故障诊断鲁棒性。 2006年，吴和陈在内燃机故障信号诊断中用连续小波变换（吴与陈，2006年）算法。所有这些研究都是连续小波变换方法有用的例子。不幸的是，连续小波变换具有巨大的操作数，需要篅@さ氖奔淅词褂谩Ｒ虼耍〔ū豢⒗煤透纳评刺岣咴锤丛拥男藕欧纸夂腿舾闪〔ū浠坏娜钡恪� （普拉巴卡尔等。，2002年;塞尔哈特＆埃米内，2003年）。 2005年，陈等人。在低速滚动轴承基础上提出了应力短波（SW）的方法（陈等人小波分析。，2005）。不幸的是，对于包含一个更高频带的信号小波分析不是一个适当的方法。另外，小波包变换（小波包变换）提供了在相同的频率带宽
