基于小波能量谱分析与SVM的柴油机气阀间隙异常故障诊断
2018-08-30蒋佳炜胡以怀陈彦臻
机电设备 2018年4期
蒋佳炜,胡以怀,柯 赟,陈彦臻
(上海海事大学,上海 201306)
0 引言
在旋转机械故障的研究中,由于旋转机械的振动信号在频域内的能量分布具有比较明显的特点,所以基于振动信号的故障诊断一直是学者们的研究热点。基于统计分析和时域分析并利用机器学习的方法在机械故障诊断方面极具潜力,但是这些方法在柴油机故障诊断中运用却不是很多[1-2]。一方面,柴油机振动信号是瞬时的,如果没有合适的降噪方法与适当的特征提取手段,就无法运用机器学习来进行模式识别;另一方面,柴油机的振动信号与许多运动机构有关,一个振动信号由多个激振力产生。作为柴油机机构中重要的运动部件,阀门、活塞环组和配气机构是柴油机振动信号噪声的主要来源,根据其振动信号的小波能量谱分析,可以从能量分布的角度对机械振动信号的特征进行有效提取[3],从而实现对这些运动部件的振动诊断。
随着计算机技术的发展与智能算法的进步,支持向量机(Support Vector Machines,SVM)与神经网络算法在机械故障诊断中的应用也取得了巨大的成功[4-6]。设计1套预测及智能检测专家系统,该系统能对未来时间范围内发生的故障做出预测,但是知识的获取及将领域知识转化为规则却比较困难,且一旦建立专家系统,它不能处理知识库规则以外的新情况,会影响预测的准确度和精度。SVM被认为是一种有效的机器学习方法,相比其他传统的方法,其拥有更好的泛化性能[7]。……
登录APP查看全文
