基于奇异值理论与神经网络的内燃机失火故障诊断研究

摘要

对多缸内燃机的气缸爆发噪声信号进行平稳小波分解,取部分分解系数组成包含矩阵.该包含矩阵加强了气缸爆发噪声信号在气缸爆发频率所在频段的信息.利用奇异值理论提取包含矩阵的奇异值作为气缸爆发噪声信号的特征.将奇异值作为改进的BP神经网络的输入对神经网络进行训练和故障识别.研究结果表明,该方法可有效地诊断和识别多缸内燃机失火故障.