改进时频分析和特征融合在内燃机故障诊断中的应用

摘要：

针对基于内燃机振动信号的故障识别诊断问题,首先提出一种基于阈值筛选的变分模态分解(VMD)、玛基诺希尔时频分布(MHD)的时频分析方法,该方法针对Cohen类时频分布存在的交叉干扰项问题,通过阈值筛选法确定V MD算法的分解层数,从而将内燃机振动信号分解成一系列单分量模态信号,然后对单分量信号进行MHD时频表征及线性叠加得到时频聚集性优良、物理意义明确的振动信号时频谱图.再通过局部非负矩阵分解(LNMF)对时频图像特征进行提取,将提取的特征与振动信号时域参数进行特征融合,得到融合特征向量.对支持向量机(SVM)采用改进粒子群优化算法进行参数优选,然后对特征向量进行训练和测试,实现了内燃机的故障识别诊断.将该方法应用于内燃机气门间隙故障8种工况下缸盖振动信号的识别诊断试验,结果表明,该方法能够对不同工况振动信号进行有效识别分类.通过参数优选,最高识别率达到了99.17％,同时对比传统的最近邻分类器的分类结果,证明了该方法的优越性.

关键词：内燃机、故障诊断、时频分析、特征融合、识别率

所属期刊栏目：31

分类号：TK428(内燃机)

资助基金：国家自然科学基金资助项目;中国博士后基金资助项目

在线出版日期：2020-09-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1901-1911