简介：针对柴油机缸盖振动信号的非平稳时变特点，提出应用小波包能量法提取故障特征向量，并将提取的特征向量作为BP神经网络的输入向量进行学习训练。训练后的神经网络可以利用测量的振动信号判断柴油机的气阀机构故障状况。实践证明该方法在柴油机振动诊断中是有效可行的，对其他设备的故障诊断也具有借鉴意义。
简介：本文在阐述了发动机气门漏气声学特性及其振动诊断机理的基础上，针对发动机缸盖振动信号的特点，运用小波包对采集的振动信号进行3层分解、重构、提取特征向量。然后将特征向量作为概率神经网络的输入，构建网络模型。再用测试数据验证诊断模型的正确性。诊断结果表明该方法是可行的，并取得了较好的效果。
基于小波包与神经网络的柴油机故障诊断
基于小波包和概率神经网络的气门漏气故障诊断研究
