尚前明，陶 兴，王 潇

(武汉理工大学 能源与动力工程学院，湖北 武汉 430063)

船舶柴油机工作环境复杂多变，且本身部件众多、结构精密，故障发生率不低[1]。相关的故障诊断方法也在不断地改进更新，数据信息的获取方式也变得越来越多样化。面对众多数据信息，如何快速有效地剔除其中无效和冗余的信息，以提高最终算法模型的故障诊断准确率就成为重点[2]。经验模态分解(EMD)[3]理论有着很好的自适应性和局部特性[4]。且经验模态分解方法也非常适用于对非平稳的信号做相关处理[5]。而支持向量机(SVM)是一种以统计学理论为基础发展起来的，属于机器学习算法中的一类。它是综合结构风险最小化原理、规划问题求解技术、VC维理论等的一大类有监督学习方法[6]。本文以某系列柴油机为研究对象，把其振动信号作为原始数据，首先将EMD、相关系数法和小波阈值法三者的优劣势进行互补，有机结合地对振动信号进行降噪处理，得到重构信号；再使用粒子群优化算法(PSO)对SVM算法中关键参数进行优化，最后使用复合算法模型对特征数据进行故障识别。经过实例分析可知振动信号在经过降噪处理之后，再进行故障诊断时的精准度和诊断速度都可以得到进一步提高。

1 基于EMD的振动信号阈值降噪方法

1.1 经验模态分解算法

经验模态分解方法是将繁杂的非平稳、非线性信号分解为有限个固有模态函数IMF，其中IMF分量的筛选过程是整个经验模态分解算法的重点，而筛选过程的核心则是对原始信号寻求综合质量最高的均值为0的包络线，从信号不断分离出独立的IMF函数[7]。……