技术特征：
技术总结
本发明公开了一种基于HHT和RBF神经网络的压缩机气阀故障诊断方法，在截断矩阵奇异值分解对振动信号预处理的基础上，利用希尔伯特‑黄变换(HHT)对信号进行分解与时频分析，然后利用径向基(RBF)网络对故障样本特征进行训练和识别。包括以下步骤：1、利用截断矩阵奇异值分解对气阀正常和故障状态下的振动信号进行降噪预处理；2、利用HHT算法获得降噪后的各状态下的EMD分解结果和Hilbert边际谱；3、基于EMD分解结果和Hilbert边际谱，提取气阀各运行状态下的特征向量，并作归一化处理；4、利用RBF网络训练各状态下的特征样本；对测试样本进行了识别，验证了该方法对气阀故障诊断的有效性。
技术研发人员：邵继业;谢昭灵
受保护的技术使用者：电子科技大学
技术研发日：2017.10.10
技术公布日：2018.04.13