基于时-频相干与 RBF 网络的气缸压力识别研究

针对从缸盖振动信号中分离燃烧激励引起的振动信号及其他干扰信号的问题，提出一种基于时‐频相干与神经网络的气缸压力识别方法。首先采用 Morlet 连续小波变换分别将缸盖振动信号和缸压信号在时‐频域内展开，然后采用交叉小波对两信号进行时‐频相干分析，设定相干系数阈值并进行掩膜处理，对所得结果重构便可得到燃烧激励引起的缸盖振动信号。最后，选取8个参数作为评价燃烧效果的特征指标，利用径向基函数（RBF）神经网络估计缸压。研究结果表明：该方法有效地提取了缸盖上的燃烧特征信号，通过 RBF 神经网络估计缸压，逼近于实际缸压变化。