本文關(guān)鍵詞：小波去噪和概率神經(jīng)網(wǎng)絡(luò)在發(fā)動機(jī)聲信號識別中的應(yīng)用

  更多相關(guān)文章： 發(fā)動機(jī) 聲信號識別 小波去噪 概率神經(jīng)網(wǎng)絡(luò) 1/3倍頻程

【摘要】：對發(fā)動機(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)動機(jī)狀態(tài)的一條有效途徑,因此發(fā)動機(jī)聲信號的識別是發(fā)動機(jī)狀態(tài)檢測與故障分類的重要組成部分。針對目前我國對發(fā)動機(jī)運(yùn)行時(shí)聲音是否正常還采用人工聽診的狀況,本文提出了一種用小波去噪及概率神經(jīng)網(wǎng)絡(luò)為主要信號處理和模式識別的發(fā)動機(jī)聲信號識別方法。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)。通過詳細(xì)對比分析模極大值去噪、小波閾值去噪和小波空域去噪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。又針對發(fā)動機(jī)聲信號具有突變、不連續(xù)點(diǎn)的特征,小波閾值去噪會產(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)的選取問題。通過對加噪后的blocks信號進(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。論文對概率神經(jīng)網(wǎng)絡(luò)在發(fā)動機(jī)聲信號識別中的共性理論進(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)的分類及學(xué)習(xí)方式。在深入剖析Bayes理論和Parzen窗理論的基礎(chǔ)上,對概論神經(jīng)網(wǎng)絡(luò)的特點(diǎn)進(jìn)行了總結(jié),并對其學(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)動機(jī)的聲信號為研究對象,描述了該款發(fā)動機(jī)的基本技術(shù)參數(shù)、聲信號的類型(以異響類型為主),確定了發(fā)動機(jī)聲信號的采集工況、測點(diǎn)位置和測試環(huán)境,分析了測取聲信號的硬件和軟件,為能夠正確采集發(fā)動機(jī)聲信號做出了規(guī)范�；谝陨辖Y(jié)論,本文對正常、箱體異響、右蓋異響、左蓋異響四種狀態(tài)的發(fā)動機(jī)聲信號做出了濾波前、后的時(shí)頻對比分析,確認(rèn)了小波去噪的必要性和可以用1/3倍頻程值作為發(fā)動機(jī)聲信號的特征向量。通過將特征向量代入概率神經(jīng)網(wǎng)絡(luò)中訓(xùn)練和預(yù)測,結(jié)果表明,小波去噪及概率神經(jīng)網(wǎng)絡(luò)在發(fā)動機(jī)聲信號識別中取得了很好的效果。
【關(guān)鍵詞】：發(fā)動機(jī) 聲信號識別 小波去噪 概率神經(jīng)網(wǎng)絡(luò) 1/3倍頻程
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：U472
【目錄】：

• 中文摘要3-4
• 英文摘要4-8
• 1 緒論8-14
• 1.1 課題研究的目的與意義8
• 1.2 聲信號在發(fā)動機(jī)識別中的研究背景及優(yōu)越性8-9
• 1.3 小波分析的發(fā)展及應(yīng)用9-11
• 1.4 概率神經(jīng)網(wǎng)絡(luò)的發(fā)展及應(yīng)用11-12
• 1.5 論文主要內(nèi)容12-14
• 2 發(fā)動機(jī)聲信號去噪方法研究14-27
• 2.1 發(fā)動機(jī)聲信號的分析方法——小波變換14-17
• 2.1.1 連續(xù)小波變換14-15
• 2.1.2 離散小波變換15-17
• 2.2 發(fā)動機(jī)聲信號的去噪17-21
• 2.2.1 小波去噪概述17-18
• 2.2.2 小波去噪方法18-21
• 2.3 發(fā)動機(jī)聲信號的平移不變小波去噪21-24
• 2.3.1 平移不變的小波去噪21-22
• 2.3.2 平移量的選取22-23
• 2.3.3 閾值函數(shù)的選取23-24
• 2.4 仿真分析24-26
• 2.5 本章小結(jié)26-27
• 3 發(fā)動機(jī)聲信號識別方法研究27-38
• 3.1 發(fā)動機(jī)聲信號識別方法——神經(jīng)網(wǎng)絡(luò)27-31
• 3.1.1 人工神經(jīng)元27-30
• 3.1.2 神經(jīng)網(wǎng)絡(luò)的分類及運(yùn)行方式30
• 3.1.3 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方式及算法30-31
• 3.2 發(fā)動機(jī)聲信號識別的概率神經(jīng)網(wǎng)絡(luò)31-37
• 3.2.1 Bayes理論31-32
• 3.2.2 Parzen窗理論32-33
• 3.2.3 概率神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)33-34
• 3.2.4 概率神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法34-37
• 3.3 本章小結(jié)37-38
• 4 發(fā)動機(jī)聲信號的采集38-48
• 4.1 發(fā)動機(jī)38-39
• 4.2 發(fā)動機(jī)聲音39-41
• 4.2.1 發(fā)動機(jī)聲音的分類39-40
• 4.2.2 發(fā)動機(jī)異響40-41
• 4.3 發(fā)動機(jī)聲音的采集條件41-42
• 4.3.1 測試工況41
• 4.3.2 測點(diǎn)選擇41-42
• 4.3.3 測試環(huán)境42
• 4.4 發(fā)動機(jī)聲音的采集42-47
• 4.4.1 傳聲器42-43
• 4.4.2 數(shù)據(jù)采集前端43-44
• 4.4.3 采集軟件44-46
• 4.4.4 信號測取過程46-47
• 4.5 本章小結(jié)47-48
• 5 小波去噪后的發(fā)動機(jī)聲信號在概率神經(jīng)網(wǎng)絡(luò)中的識別48-61
• 5.1 發(fā)動機(jī)聲信號的小波去噪48-53
• 5.1.1 正常發(fā)動機(jī)48-49
• 5.1.2 箱體異響發(fā)動機(jī)49-51
• 5.1.3 右蓋異響發(fā)動機(jī)51-52
• 5.1.4 左蓋異響發(fā)動機(jī)52-53
• 5.2 發(fā)動機(jī)聲信號特征提取53-57
• 5.2.1 1/3 倍頻程的實(shí)現(xiàn)53-55
• 5.2.2 4 種發(fā)動機(jī)聲信號的特征值提取55-57
• 5.3 基于概率神經(jīng)網(wǎng)絡(luò)的發(fā)動機(jī)聲信號識別57-60
• 5.4 本章小結(jié)60-61
• 6 全文總結(jié)與不足61-62
• 6.1 全文總結(jié)61
• 6.2 不足61-62
• 致謝62-63
• 參考文獻(xiàn)63-65

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 張吉剛;梁娜;;基于概率神經(jīng)網(wǎng)絡(luò)的高校畢業(yè)生學(xué)位評審預(yù)測[J];佳木斯大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年05期

2 徐光華,屈梁生;基于概率神經(jīng)網(wǎng)絡(luò)的機(jī)組狀態(tài)多步預(yù)報(bào)方法[J];西安交通大學(xué)學(xué)報(bào);1999年07期

3 高宏巖;;概率神經(jīng)網(wǎng)絡(luò)在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用[J];煤礦機(jī)械;2006年05期

4 姬東朝;宋筆鋒;易華輝;;基于概率神經(jīng)網(wǎng)絡(luò)的設(shè)備故障診斷及仿真分析[J];火力與指揮控制;2009年01期

5 朱明悅;李小申;;基于概率神經(jīng)網(wǎng)絡(luò)的發(fā)動機(jī)故障診斷方法研究[J];制造業(yè)自動化;2012年09期

6 劉宇;盧宇;張玉欣;;概率神經(jīng)網(wǎng)絡(luò)在隧道變形位移預(yù)測中的應(yīng)用[J];冶金自動化;2012年04期

7 肖玉玲;孫麗娜;;基于概率神經(jīng)網(wǎng)絡(luò)的發(fā)動機(jī)故障診斷方法研究[J];河南教育學(xué)院學(xué)報(bào)(自然科學(xué)版);2012年03期

8 湯俊;莫依雯;鄧勇;;概率神經(jīng)網(wǎng)絡(luò)在可疑交易監(jiān)測中的應(yīng)用及效率比較[J];武漢大學(xué)學(xué)報(bào)(工學(xué)版);2013年02期

9 成奇明;張樹京;;概率神經(jīng)網(wǎng)絡(luò)回歸、判別與聚類[J];北方交通大學(xué)學(xué)報(bào);1993年04期

10 段傳學(xué),徐光華,孟光;概率神經(jīng)網(wǎng)絡(luò)的邊界預(yù)報(bào)[J];上海交通大學(xué)學(xué)報(bào);2005年02期

中國重要會議論文全文數(shù)據(jù)庫 前7條

1 劉建華;張偉江;張仲俊;;概率神經(jīng)網(wǎng)絡(luò)的實(shí)時(shí)訓(xùn)練[A];1995中國控制與決策學(xué)術(shù)年會論文集[C];1995年

2 徐欣;馮道旺;周一宇;盧啟中;;核函數(shù)概率神經(jīng)網(wǎng)絡(luò)脈沖去交錯(cuò)器研究與設(shè)計(jì)[A];第十屆全國信號處理學(xué)術(shù)年會（CCSP-2001）論文集[C];2001年

3 賈勇;何正友;趙靜;;基于小波熵和概率神經(jīng)網(wǎng)絡(luò)的配電網(wǎng)暫降源識別方法[A];中國高等學(xué)校電力系統(tǒng)及其自動化專業(yè)第二十四屆學(xué)術(shù)年會論文集（下冊）[C];2008年

4 王成儒;王金甲;李靜;;一種用于說話人辨認(rèn)的概率神經(jīng)網(wǎng)絡(luò)的MCE訓(xùn)練算法[A];第三次全國會員代表大會暨學(xué)術(shù)會議論文集[C];2002年

5 朱志強(qiáng);樊大帥;張軍;王亮;;基于組合PNN概率神經(jīng)網(wǎng)絡(luò)的車標(biāo)識別方法[A];全國先進(jìn)制造技術(shù)高層論壇暨第十屆制造業(yè)自動化與信息化技術(shù)研討會論文集[C];2011年

6 薄翠梅;李俊;陸愛晶;張廣明;;基于核函數(shù)和概率神經(jīng)網(wǎng)絡(luò)的TE過程監(jiān)控研究[A];第二十六屆中國控制會議論文集[C];2007年

7 芮瑞;鮑長春;;基于概率神經(jīng)網(wǎng)絡(luò)的語音與音樂分類[A];第十四屆全國信號處理學(xué)術(shù)年會(CCSP-2009)論文集[C];2009年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張魯?shù)?智能圖像識別技術(shù)研究[D];渤海大學(xué);2016年

2 周沙;基于概率神經(jīng)網(wǎng)絡(luò)的變壓器局部放電模式識別研究[D];江蘇大學(xué);2016年

3 王子健;基于概率神經(jīng)網(wǎng)絡(luò)的發(fā)動機(jī)失火故障診斷[D];吉林大學(xué);2016年

4 俞文燕;基于概率神經(jīng)網(wǎng)絡(luò)的電機(jī)故障診斷研究[D];揚(yáng)州大學(xué);2016年

5 王博;泵站系統(tǒng)水下異物入侵監(jiān)測研究與實(shí)現(xiàn)[D];北京工業(yè)大學(xué);2016年

6 闞磊;小波去噪和概率神經(jīng)網(wǎng)絡(luò)在發(fā)動機(jī)聲信號識別中的應(yīng)用[D];重慶大學(xué);2016年

7 張洪波;基于主成分的概率神經(jīng)網(wǎng)絡(luò)模擬電路故障診斷的研究[D];湖南大學(xué);2008年

8 張海艷;基于自適應(yīng)概率神經(jīng)網(wǎng)絡(luò)的農(nóng)作物蟲情預(yù)測研究[D];蘭州交通大學(xué);2011年

9 榮薇;基于概率神經(jīng)網(wǎng)絡(luò)的漢語耳語音識別的研究[D];蘇州大學(xué);2008年

10 蘇亮;基于概率神經(jīng)網(wǎng)絡(luò)的焊接結(jié)構(gòu)疲勞壽命分類與預(yù)測[D];長安大學(xué);2012年

，

本文編號：804799