论文部分内容阅读
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。