岳应娟 孙钢 蔡艳平 王旭 牟伟杰

摘要： 为了直接对内燃机振动谱图像进行诊断识别，提出一种基于改进变分模态分解（VMD）、MargenauHill（MHD）时频分析与双向二维主成分分析（Twodirectional， Twodimensional PCA，TD2DPCA）的内燃机振动谱图像识别诊断方法。该方法首先针对VMD分解过程中的层数选取问题，提出了一种中心频率筛选的VMD分解层数改进方法（KVMD），然后将内燃机振动信号利用KVMD分解成一组单分量模态信号，并对生成的各个单分量信号进行MHD处理后表征成振动谱图像；在此基础上，对生成的内燃机KVMDMHD振动谱图像采用双向二维主成分分析形成编码矩阵，并采用最近邻分类器（KNNC）对上述编码矩阵直接进行模式识别，以实现内燃机振动谱图像的自动诊断。最后，将该方法应用在气阀机构4种工况下的缸盖表面振动信号诊断实例中，结果表明：该方法不仅改进了传统图像模式识别中的特征参数提取方法，而且能很好地消除时频分布中的交叉干扰项，使各时频分量物理意义明确，能有效诊断出内燃机气阀机构故障，为内燃机振动诊断探索了一条新途径。关键词： 故障诊断； 内燃机； 时频分布； 特征提取； 双向二维主成分分析

中图分类号： TH165+.3； TK428文献标志码：A文章编号：10044523（2017）04068809

DOI：10.16385/j.cnki.issn.10044523.2017.04.021

引言

内燃机缸盖振动信号中包含着丰富的信息，由于其测量的简单方便，分析诊断的不解体和实时性，目前一直是内燃机故障诊断和状态监测的研究前沿和热点。国内外学者针对内燃机的振动响应信号进行了深入的研究，如文献[1]将图像分割理论引入柴油机故障诊断中，提出一种基于时频谱图、图像分割和模糊模式识别的柴油机故障诊断方法；……