基于KPCA-SVM的柴油机状态识别方法的研究.pdfVIP

第29卷第1期 振动、测试与诊断 V01．29No．1 2009年3月 of Mar．2009 Journal Vibration，MeasurementDiagnosis 基于KPCA—SVM的柴油机状态识别方法的研究’ 李宏坤匡圈 (大连理工大学精密与特种加工教育部重点实验室 大连，116023) 摘要 为了有效地对柴油机的运行状态进行状态识别，根据柴油机的特征信息和识别的特点，研究了基于核主元 分析(KPCA)和支持向量机(SVM)进行柴油机状态识别的故障诊断方法。首先，对柴油机进行特征提取，构成一个 特征向量。然后对其进行核主元分析，计算得到能反映设备状态的特征向量，有效去除信息的冗余。最后，将得到的 特征向量进行支持向量机的训练学习，识别柴油机的状态。通过实验室柴油机燃烧系统不同运行状态下的识别分 析，验证了此方法的可行性和实用性。