對(duì)基于離散小波變換和神經(jīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)故障診斷的研究
吳建達(dá)，劉秋紅
彰化教育大學(xué)車輛工程研究生院，彰化市金德路，彰化500，臺(tái)灣

摘要：
本文是對(duì)基于離散小波變換（DWT）和神經(jīng)網(wǎng)絡(luò)的內(nèi)燃機(jī)故障診斷技術(shù)的調(diào)查報(bào)告。一般來(lái)說(shuō)，當(dāng)旋轉(zhuǎn)機(jī)械的振動(dòng)信號(hào)不可用時(shí)，聲發(fā)射信號(hào)在狀態(tài)監(jiān)測(cè)和故障診斷方面很有替代振動(dòng)信號(hào)的前景。大多數(shù)傳統(tǒng)的故障診斷技術(shù)使用基于對(duì)信號(hào)的時(shí)域或頻域的振幅分析而得到的聲發(fā)射和振動(dòng)信號(hào)。同時(shí)，為了獲得時(shí)域和頻域信息，連續(xù)小波變換（CWT）技術(shù)也得到了發(fā)展。但不幸的是，CWT技術(shù)經(jīng)常需要一段長(zhǎng)的計(jì)算時(shí)間來(lái)完成操作。在本研究中，為了修正這些缺點(diǎn)，我們?cè)诓粏适湓镜男再|(zhì)的前提下，提出了一種新的DWT技術(shù)，這種技術(shù)通過(guò)使用神經(jīng)網(wǎng)絡(luò)分析錯(cuò)誤信號(hào)，能夠?qū)崿F(xiàn)能量光譜的特征選擇和故障分類。不同分辨率水平下的聲發(fā)射信號(hào)的特征可以通過(guò)利用多分辨率分析特性和帕斯瓦爾定理來(lái)得到[ Gaing,Z,L (2004).基于小波的電流擾動(dòng)和識(shí)別神經(jīng)網(wǎng)絡(luò)。電子和電氣工程師協(xié)會(huì)，電網(wǎng)技術(shù) 19，1560-1568]。該算法是從Daubechies以往的工作得到的[Daubechies, I.(1998).緊支撐小波的標(biāo)準(zhǔn)基礎(chǔ)。通信理論數(shù)學(xué)和應(yīng)用數(shù)學(xué) 41,909-996.], “db4”, “db8”和“db20”小波函數(shù)被用來(lái)執(zhí)行本文所提出的DWT技術(shù)。這些
特征被用于基于神經(jīng)網(wǎng)絡(luò)的錯(cuò)誤識(shí)別。這些試驗(yàn)結(jié)果表明本文所提到的使用聲發(fā)射信號(hào)系統(tǒng)是有用的，它能用于各種發(fā)動(dòng)機(jī)工作條件下的故障診斷。
關(guān)鍵詞：離散小波變換，神經(jīng)網(wǎng)絡(luò)，異響診斷，聲發(fā)射信號(hào)

1. 引言
隨著信號(hào)處理技術(shù)的迅速發(fā)展，聲發(fā)射和振動(dòng)信號(hào)由于總是帶有機(jī)械系統(tǒng)的動(dòng)態(tài)信息而被用于狀態(tài)監(jiān)測(cè)和故障的診斷。研究者們發(fā)明了許多有趣的方法，例如時(shí)間序列統(tǒng)計(jì)，傅立葉變換，快速傅立葉變換（FFT），短時(shí)間傅立葉變換（STFT），對(duì)稱點(diǎn)模式（SDP）以及Wigner-Ville分布（WVD）(Forrester,1989;Shibata,Takahashi,&Shirai,2000;Yazici&Kliman,1999).但是這些方法在機(jī)械診斷中只提供有限的性能。例如，傅立葉變換被用來(lái)在損傷診斷中分析和觀察信號(hào)在頻域中振幅的不同。而快速傅立葉變換在識(shí)別諧波信號(hào)時(shí)十分有用。但是由于它的常量時(shí)間和頻率分解，它在分析突變信號(hào)時(shí)就沒(méi)那么有用了。WVD是Forrester（1989）提出來(lái)的一種技術(shù)，它能夠在傳動(dòng)系統(tǒng)的故障診斷中將振動(dòng)信號(hào)平均化。不同的故障如齒輪的裂縫或齒面的凹坑能夠用WVD線圖進(jìn)行偵斷。不幸的是，雖然WVD能夠像STFT方法一樣提供真實(shí)的時(shí)間-頻率表示，也在時(shí)間-頻率平面有一個(gè)好的集中點(diǎn)，但是當(dāng)時(shí)間-頻率平面處于臨界狀態(tài)時(shí)將會(huì)產(chǎn)生
沖突（彭，朱2004）。
很明顯，一些傳統(tǒng)的技術(shù)會(huì)產(chǎn)生頻率模糊效應(yīng)并且只能在穩(wěn)定狀態(tài)下處理信號(hào)。根據(jù)上面所提到的，為了解決這些問(wèn)題，小波分析已經(jīng)得到了發(fā)展并廣泛的利用（Alsberg,Woodw-