原文传递
基于SVM和噪声分析的发动机诊断系统
| 论文题名： | 基于SVM和噪声分析的发动机诊断系统 |
| 关键词： | 汽车发动机;故障诊断;噪声信号;智能诊断 |
| 摘要： | 发动机是汽车的核心部件，其性能的好坏对汽车安全和可靠性构成直接影响，本文在总结前人研究的基础上，提出了基于SVM和噪声分析的发动机故障诊断技术并做了深入细致的研究。 本文首先对发动机的声源进行分类，研究其传播途径，分析声场特性，选择最佳的特征声信号采集点，然后通过实验，对发动机设置多种故障，分别采集声信号，为后续研究做准备。 本文研究了声信号产生的机理，对降噪和特征提取的有关技术进行了研究，首先对傅里叶变换等传统信号分析技术进行了深入学习了解，对这些技术的长处和劣势进行了分析比较，最后选择了小波包技术对采集的声信号进行降噪。特征提取主要研究了小波包分解重构技术，对各频带能量进行量化构成对应故障声信号的特征向量。 本文对机器学习、统计学习理论和支持向量机的有关理论进行了深入研究。研究了如何用该方法实现故障分类，对支持向量机的多分类算法进行了分析比较，利用支持向量机良好的训练和分类能力，实现智能诊断。 本文研究的诊断系统是在．NET平台的基础上开发的，结合Code-behind技术、ActiveX技术、ASP．NET技术包装第三方组件技术、SVM的多分类技术，设计系统实现故障的智能诊断功能。 |
| 作者： | 徐高欢 |
| 专业： | 软件工程 |
| 导师： | 林鸿飞 |
| 授予学位： | 硕士 |
| 授予学位单位： | 大连理工大学 |
| 学位年度： | 2007 |
| 正文语种： | 中文 |
检索历史
应用推荐
