10.13465/j.cnki.jvs.2017.02.007
基于 KVMD-PWVD 与 LNMF 的内燃机振动谱图像识别诊断方法
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)、伪魏格纳时频分析(PWVD)与局部非负矩阵分解(LNMF)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伪魏格纳分析处理后表征成振动谱图像;在此基础上,对生成的内燃机 KVMD-PWVD 振动谱图像分别采用非负矩阵分解(NMF)和 LNMF 形成编码矩阵,并采用最近邻分类器、朴素贝叶斯分类器和支持向量机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,将该方法应用在内燃机故障诊断实例中,结果表明:该方法改进了传统图像模式识别中的特征参数方法,能有效诊断出内燃机气门间隙故障,三种分类器识别精度均大于93%,其中支持向量机的分类精度最高,达到99.8%,且采用 LNMF 形成的编码矩阵识别精度整体高于 NMF,为内燃机振动诊断探索了一条新途径。
内燃机、故障诊断、时频分布、特征提取、局部非负矩阵
36
TK428(内燃机)
国家自然科学基金青年基金项目51405498;陕西自然科学基金项目2013JQ8023;中国博士后基金资助项目2015M582642
2017-03-17(万方平台首次上网日期,不代表论文的发表时间)
共8页
45-51,94