基于SVM和噪聲分析的發(fā)動(dòng)機(jī)診斷系統(tǒng).pdf

1、發(fā)動(dòng)機(jī)是汽車的核心部件，其性能的好壞對(duì)汽車安全和可靠性構(gòu)成直接影響，本文在總結(jié)前人研究的基礎(chǔ)上，提出了基于SVM和噪聲分析的發(fā)動(dòng)機(jī)故障診斷技術(shù)并做了深入細(xì)致的研究。 本文首先對(duì)發(fā)動(dòng)機(jī)的聲源進(jìn)行分類，研究其傳播途徑，分析聲場(chǎng)特性，選擇最佳的特征聲信號(hào)采集點(diǎn)，然后通過實(shí)驗(yàn)，對(duì)發(fā)動(dòng)機(jī)設(shè)置多種故障，分別采集聲信號(hào)，為后續(xù)研究做準(zhǔn)備。 本文研究了聲信號(hào)產(chǎn)生的機(jī)理，對(duì)降噪和特征提取的有關(guān)技術(shù)進(jìn)行了研究，首先對(duì)傅里葉變換等傳統(tǒng)信號(hào)分析

2、技術(shù)進(jìn)行了深入學(xué)習(xí)了解，對(duì)這些技術(shù)的長處和劣勢(shì)進(jìn)行了分析比較，最后選擇了小波包技術(shù)對(duì)采集的聲信號(hào)進(jìn)行降噪。特征提取主要研究了小波包分解重構(gòu)技術(shù)，對(duì)各頻帶能量進(jìn)行量化構(gòu)成對(duì)應(yīng)故障聲信號(hào)的特征向量。 本文對(duì)機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)習(xí)理論和支持向量機(jī)的有關(guān)理論進(jìn)行了深入研究。研究了如何用該方法實(shí)現(xiàn)故障分類，對(duì)支持向量機(jī)的多分類算法進(jìn)行了分析比較，利用支持向量機(jī)良好的訓(xùn)練和分類能力，實(shí)現(xiàn)智能診斷。 本文研究的診斷系統(tǒng)是在．NET平臺(tái)的基