【出 处】：《 计算机仿真 》 CSCD 2014年第31卷第6期 197-200页,共4页

【作 者】： 于江蛟

【摘 要】 汽车高速发动机设备在发生故障过程中，一般会产生短时、瞬间电流异常。以上特征可作为设备发生对接故障的依据。传统的故障检测方法针对瞬间、小强度的电流特征，无法实时捕获敏感的电流异常故障特征，导致传统故障检测方法对敏感度不高的故障特征检测存在误差，漏检率较高。提出改进神经网络的故障检测方法，依据高速发动机设备中的电流异常特征参数，采用神经网络的自适应性能获取电流的异常波动周期情况，把异常的电流信号当成一种特殊噪声，使用非线性滤波方法过滤电力特征参数中的噪声，对电流特征参数进行离散化操作运算系数，分析该系数同电气设备故障系数阀值间的关系，对高速发动机气路故障进行准确检测。实验结果说明，上述算法提高了故障检测的准确率。