典型文献
基于RLMD与BAS-BP的柴油机故障诊断研究
文献摘要：
为了提高柴油机水泵盖体故障信号的特征提取能力,快速有效地诊断出故障类型,提出了鲁棒的局部均值分解算法(RLMD)与天牛须算法(BAS)优化的BP神经网络相结合的故障诊断方法.首先,对采集的信号序列进行小波阈值和RLMD双重降噪,再根据斯皮尔曼相关系数筛选出与原信号相似度高的信号分量(PF);然后,求出每个分量的小波能量熵、小波奇异值熵作为故障特征;最后,利用BAS优化的BP神经网络进行故障诊断和识别.同时,与GA-BP、PSO-BP优化的神经网络相比较.结果表明,BAS-BP在各方面都优于PSO-BP、GA-BP神经网络,且BAS-BP的故障分类准确率可达到98.90％.
文献关键词：
柴油机;故障诊断;小波阈值降噪;RLMD;BAS-BP
中图分类号：
作者姓名：
徐轟钊;许昕;潘宏侠
作者机构：
中北大学机械工程学院 太原030051;中北大学系统辨识与诊断技术研究所 太原030051
文献出处：
引用格式：
[1]徐轟钊;许昕;潘宏侠-.基于RLMD与BAS-BP的柴油机故障诊断研究)[J].电子测量技术,2022(03):1-6
A类：
双重降噪,小波奇异值,奇异值熵
B类：
RLMD,BAS,柴油机故障诊断,诊断研究,水泵,故障信号,信号的特征提取,特征提取能力,快速有效,故障类型,局部均值分解,天牛须算法,故障诊断方法,斯皮尔曼相关系数,PF,小波能量熵,故障特征,GA,PSO,故障分类,分类准确率,小波阈值降噪
AB值：
0.270834
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
