小波去噪和概率神經(jīng)網(wǎng)絡(luò)在發(fā)動(dòng)機(jī)聲信號(hào)識(shí)別中的應(yīng)用.pdf

1、對(duì)發(fā)動(dòng)機(jī)運(yùn)行時(shí)產(chǎn)生的聲音進(jìn)行采集和分析是了解發(fā)動(dòng)機(jī)狀態(tài)的一條有效途徑，因此發(fā)動(dòng)機(jī)聲信號(hào)的識(shí)別是發(fā)動(dòng)機(jī)狀態(tài)檢測(cè)與故障分類(lèi)的重要組成部分。針對(duì)目前我國(guó)對(duì)發(fā)動(dòng)機(jī)運(yùn)行時(shí)聲音是否正常還采用人工聽(tīng)診的狀況，本文提出了一種用小波去噪及概率神經(jīng)網(wǎng)絡(luò)為主要信號(hào)處理和模式識(shí)別的發(fā)動(dòng)機(jī)聲信號(hào)識(shí)別方法。
　　論文首先剖析了小波變換中連續(xù)小波變換和離散小波變換各自的概念和性質(zhì)，為小波去噪的引入打下了基礎(chǔ)。通過(guò)詳細(xì)對(duì)比分析模極大值去噪、小波閾值去噪和小波空域

2、去噪3種方法的優(yōu)缺點(diǎn)，指出了小波閾值去噪是一種較優(yōu)的選擇。又針對(duì)發(fā)動(dòng)機(jī)聲信號(hào)具有突變、不連續(xù)點(diǎn)的特征，小波閾值去噪會(huì)產(chǎn)生偽 Gibbs現(xiàn)象，論文提出了運(yùn)用基于平移不變小波的閾值去噪法，并確定了該方法中平移量的大小和解決了閾值函數(shù)的選取問(wèn)題。通過(guò)對(duì)加噪后的 blocks信號(hào)進(jìn)行仿真分析，確認(rèn)了平移不變小波去噪具有很好的去噪效果。論文對(duì)概率神經(jīng)網(wǎng)絡(luò)在發(fā)動(dòng)機(jī)聲信號(hào)識(shí)別中的共性理論進(jìn)行了分析，詳細(xì)描述了人工神經(jīng)元的概念、神經(jīng)網(wǎng)絡(luò)的分類(lèi)及學(xué)習(xí)方式

3、。在深入剖析Bayes理論和Parzen窗理論的基礎(chǔ)上，對(duì)概論神經(jīng)網(wǎng)絡(luò)的特點(diǎn)進(jìn)行了總結(jié)，并對(duì)其學(xué)習(xí)算法進(jìn)行了系統(tǒng)的描述。
　　論文選取某單缸四沖程發(fā)動(dòng)機(jī)的聲信號(hào)為研究對(duì)象，描述了該款發(fā)動(dòng)機(jī)的基本技術(shù)參數(shù)、聲信號(hào)的類(lèi)型（以異響類(lèi)型為主），確定了發(fā)動(dòng)機(jī)聲信號(hào)的采集工況、測(cè)點(diǎn)位置和測(cè)試環(huán)境，分析了測(cè)取聲信號(hào)的硬件和軟件，為能夠正確采集發(fā)動(dòng)機(jī)聲信號(hào)做出了規(guī)范。
　　基于以上結(jié)論，本文對(duì)正常、箱體異響、右蓋異響、左蓋異響四種狀態(tài)的發(fā)動(dòng)