简介:基于小浪包转变(WPT),基因算法(GA),神经网络(BPNN)和支持向量用机器制造的背繁殖(SVM),柴油机引擎阀门清理的一个差错诊断方法被介绍。与力量光谱密度分析,与运用条件的引擎有关的典型频率能从颤动信号被提取。小浪系数和根的最大的单个值(BSV)意味着在典型频率亚乐队的颤动的平方(RMS)值在颤动信号的第三水平分解的目的被提取,并且他们被用作BPNN或SVM的输入向量。为了避免,在本地最小被套住,GA被采用。正常和处于不同阀门清理条件测量的差错颤动信号被分析。BPNN,GA背繁殖神经网络(GA-BPNN),SVM和GA-SVM被用于为不同特征的抽取训练并且测试,并且分类精确性和训练时间与相比决定最佳差错分类器和特征选择。试验性的结果证明建议特征和分类算法给100%的分类精确性。