基于音频信号的汽车状态与故障分析

汽车行驶过程中的声音信号包含了丰富的声源信息,且音频信号具有非接触测量,测取方便的特点,为汽车的状态与故障判断提供了一个有效的途径。但其声音混杂着噪声,针对汽车故障音频信号的特点,提出了一种基于快速独立主元分析(FastICA)与递推最小二乘支持向量机(RLSSVM)的FastICA-RLSSVM故障诊断方法。利用FastI-CA对混合声音信号进行分离,提取原始特征音频信号。在此基础上利用RLSSVM对汽车故障进行快速分类,从而判断汽车的工作状态和故障类型。实验结果表明,该方法提高了故障诊断的精确度,而且缩短了RLSSVM的训练时间,具有较好的可靠性和有效性。

一种改进的间歇过程故障诊断方法

针对单一故障诊断方法对间歇过程故障诊断效率和准确率低的缺点,提出将快速独立主元分析(FastICA)与递推最小二乘支持向量机(RLSSVM)相结合的集合型故障诊断方法 FastICA-RLSSVM。利用FastICA对非高斯间歇过程数据快速提取特征分量,通过RLSSVM对该时变过程进行快速分类。为验证该方法的有效性,将该方法应用于青霉素发酵过程故障诊断,并与提升小波—递推最小二乘支持向量机(LW-RLSSVM)方法进行对比分析,实验结果证明FastICA-RLSSVM诊断间歇过程故障准确率高,适应性好,分类效果稳定。