版权说明 操作指南
首页 > 成果 > 成果详情

基于小波和神经网络的火花塞间隙识别

认领
导出
下载 Link by 中国知网学术期刊 Link by 万方学术期刊
反馈
分享
QQ微信 微博
成果类型:
期刊论文
论文标题(英文):
Spark Plug Gap Identification Based on Wavelet and Neural Network
作者:
张琦;蒋淑霞;李翔晟;薛行健
作者机构:
中南林业科技大学机电工程学院,湖南长沙,410004
中南林业科技大学交通运输与物流学院,湖南长沙,410004
[蒋淑霞; 张琦; 李翔晟; 薛行健] 中南林业科技大学
语种:
中文
关键词:
发动机;点火波形;小波阈值去噪;神经网络;特征提取
关键词(英文):
Ignition waveform;Wavelet threshold de - noising;Neural network;Feature extraction
期刊:
计算机仿真
ISSN:
1006-9348
年:
2017
卷:
34
期:
4
页码:
176-181
基金类别:
51408616:国家自然科学基金 101-4334:湖南省教育厅科学研究优秀青年项目 14B186:湖南省教育厅科学研究优秀青年项目
机构署名:
本校为第一机构
院系归属:
机电工程学院
交通运输与物流学院
摘要:
火花塞间隙异常是造成发动机积碳、动力不足的重要原因,由于其处于气缸内部,工作存在很强的干扰,现有的技术很难实现对其准确监测。应用小波阈值分析对发动机次级点火波形降噪,将提取到的特征曲线作为BP神经网络的输入,反复训练神经网络以获得最佳网络参数,利用该网络结构分析发动机次级点火波形与火花塞间隙的对应关系。通过实验证明该研究方案对预设的火花塞间隙分类区分达到了较准确的识别效果,可实现不拆机监测火花塞间隙区间的目标,并为实现发动机不解体在线故障诊断提供理论方法。
摘要(英文):
Spark plug works in the cylinder with strong noise. The unexpected gap of spark plug is an important cause of engine carbon deposition and power insufficiency. Monitoring method based on traditional technology is inaccurate. Wavelet threshold was used for the engine ignition secondary waveform signal de - noising, and the extract characteristic curve was used as the input of BP neural network. The neural network was trained repeatedly to obtain the optimal network parameters. The corresponding relation between the characteristic curve and the gap of spark plug was identified by the neural netw...

反馈

验证码:
看不清楚,换一个
确定
取消

成果认领

标题:
用户 作者 通讯作者
请选择
请选择
确定
取消

提示

该栏目需要登录且有访问权限才可以访问

如果您有访问权限,请直接 登录访问

如果您没有访问权限,请联系管理员申请开通

管理员联系邮箱:yun@hnwdkj.com