基于EMD和AR奇异值的柴油机故障诊断.pdfVIP

机械 设 计与 制造 第4期 230 Machinery Design Manufacture 2011年4月 文章编号：1001—3997(2011)04—0230—03 基于EMD和AR奇异值的柴油机故障诊断 吴虎胜 1 吕建新 战仁军 吴庐 山 (’中国人民武装警察部队 工程学院，西安 710086)(河南农业大学，郑州 450000) FaultdiagnosisbasedonEMD andAR singularvaluesfordieselengine wUHu—shengI,LVJian—xin1,ZHANRen-jun．WULu—shan (EngineeringCollegeofCAPF，Xi’an710086，China) (He’nanAgriculturalUniversity，Zhengzhou450000，China) ，… ●·… ·●… ·●… ·●… ·●… ·●… ·●… ·●…-●… ··… ··… ··… ··… ●‘…-●… ·●… ·●… ··… ··… ··… ··… ●‘…-●… ··… ··… ··… ‘·… ●‘… ●‘… ·●… ··… ··… ●‘… ●‘… ●‘…’●… ··… ●·… 。●… ●‘””●… ， ； 【摘 要】针对柴油机振动信号的非平稳特性和在现实条件下难以获取大量故障样本的实际情 ； 况，提出一种经验模态分解(EmpiricalModeDecomposition，EMD)、自回归(AutoRegression，AR)模型和 ；支持向量机(Suppo~VectorMachine，SVM)~ 合的柴油机故障诊断方法。运用经验模态分解方法对柴 ； ?油机失火及气阀机构不同工况下的缸盖振动信号进行分析，计算各个内禀模态函数 (IntrinsicMode? iFunctions，IMF)的AR模型参数向量以此组成初始特征向量矩阵，再计算此初始特征向量矩阵的奇异 i 值，并将其作为支持向量机的输入特征向量以判断柴油机的工作状态和故障类型。试验结果表明：该方 i法在小样本情况下也具有较高的精度和较强的泛化能力。 i 关键词：柴油机 ；故障诊断；AR模型；支持向量机(SVM)；奇异值 ；经验模态分解(EMD) i A【bstract】Accordingtothenon-stationaritycharacteristicsofthevibrationsignalsfromthedieseli enginewithfaultandthesituationthatit’hardtoobtainenough altsamples，adeiselenginefaultdiag- ：hostsmethodbasedonEmpiricalModeDecomposition(EMD)，AutoRegression(AR)andSuppo~Sector Machine(SVM)isproposed．~rstly，evibrationsingalsofthreeairvalvecle~r-culATesandthevibrations nalsunde，．themisfireconditionraedecomposedinto0finitenumberofIntrinsicModeFunctions(1MF)， ÷thentheAutoRegressive(AR)m。delofeachlMFc。mponen￡sraeestablished．Thenat。一regressivepraameters÷ ；nadthevraianATeofremnantraeregraedastheinitialfeaturevectormatrixes．Thirdly,byappl