基于张量Tucker分解的发动机故障诊断

摘要：

传统的发动机故障诊断方法通常基于向量模式进行数据特征的提取,可能丢失数据之间的结构信息及破坏数据间相关性.针对此问题,提出了一种张量模式下提取发动机数据特征的方法,构建了"信号类别×曲轴转角×转速"的三阶张量形式的发动机状态样本,基于交替投影的思想,使用 HOSVD-HOOI张量Tucker分解的联立求解算法,对数据特征进行提取.分别以不进行数据特征提取和基于张量Tucker分解进行数据特征提取两种情况,对发动机正常工作、单缸失火和轴系不对中三种状态下的实验数据进行处理,并分别采用网格参数优化法、遗传算法、粒子群算法对分类模型中的参数进行优化.以预测准确率和模型学习时间为评价指标进行对比分析,实验结果表明,基于张量 Tucker 分解的发动机数据特征提取及诊断方法预测准确率更高,分类模型学习时间更短.

关键词：发动机、故障诊断、张量模式、Tucker分解

所属期刊栏目：29

分类号：TK411(内燃机)

资助基金：国家自然科学基金资助项目51505345;电动汽车动力系统设计与测试湖北省重点实验室基金资助项目HBUASEV2015F005;湖北省教育厅基金资助项目Q20151105

在线出版日期：2018-04-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：552-557