資源描述:
《基于EMD和SVM的柴油機(jī)故障診斷研究》由會員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在工程資料-天天文庫。
1、基于EMD和SVM的柴油機(jī)故障診斷研究【摘要】針對支持向量機(jī)在小樣本問題中的優(yōu)越性及柴油機(jī)的故障特點(diǎn),提出了一種基于支持向量機(jī)的柴油機(jī)故障模式分類方法。首先通過柴油機(jī)燃油噴射系統(tǒng)典型故障臺架試驗(yàn),測量多種工作狀態(tài)下的柴油機(jī)缸蓋表面振動信號,然后通過經(jīng)驗(yàn)?zāi)J椒纸馓崛√卣鲄?shù),選擇對于故障診斷授敏感的參數(shù)形成特征向量作為支持向量機(jī)的輸入,建立故障診斷模型。經(jīng)某型柴油機(jī)的驗(yàn)證,該方法具有良好的分類能力,能夠準(zhǔn)確識別柴油機(jī)的典熨故障。關(guān)鍵詞:柴油機(jī)經(jīng)驗(yàn)?zāi)J椒纸庵С窒蛄繖C(jī)故障診斷FaultDiagnosisofDieselEngineBasedonEMDandSVM[Abstract
2、]Inviewofthesuperiorityofsupportvectormachineandthefaultcharacteristicofdieselengine,aclassifymethodfordieselenginefaultbasedonsupportvectormachineispresentedinthispaper.Firstthecylinderblockvibrationsignalondifferentconditionwasmeasuredbythesimulationtestofdieselenginefuelinjectionsystemf
3、ault,thenthefeatureparameterwasextractedbyempiricalmodedecompositionandthemostimpactfulparameterwasselectedtobetheinputofsupportvectormachine?Theresultshowsthatthismethodhasfineclassifiedabilityandprecision.Keywords:dieselengine;EmpiricalModeDecomposition;supportvectormachine;faultdiagnosi
4、s.、八—i—刖s柴汕機(jī)是我軍裝甲裝備的“心臟”,柴汕機(jī)故障的診斷和排除對于確保裝甲車輛的良好運(yùn)行具有重要的意義。進(jìn)行柴油機(jī)故障診斷技術(shù)的研究,有利于幫助維修人員及時(shí)發(fā)現(xiàn)和識別故障施,避免柴油機(jī)運(yùn)行狀況的進(jìn)一步惡化。應(yīng)川合理有效的診斷方法能夠節(jié)省維修時(shí)間、降低維修成木,為實(shí)現(xiàn)我軍裝備視情維修捉供技術(shù)支持。振動分析法具有信號獲取容易、診斷范圍廣、監(jiān)測診斷方便等優(yōu)點(diǎn),是機(jī)械設(shè)備故障診斷中常用和有效的手段。柴油機(jī)往復(fù)式活塞和曲柄連桿機(jī)構(gòu)的運(yùn)動方式?jīng)Q定了它具有沖擊特點(diǎn)的工作過程,它所產(chǎn)生的振動信號十分復(fù)雜,其實(shí)質(zhì)是非平穩(wěn)、非線性信號。因此,如何從復(fù)雜的振動信號中捉取表征故障的特征參
5、數(shù),是實(shí)現(xiàn)柴汕機(jī)故障診斷的關(guān)鍵,而由Huang等提出的經(jīng)驗(yàn)?zāi)J椒纸釯T(EMD,EmpiricalModeDecomposition)是一種新的具有自適應(yīng)性的時(shí)頻分析方法,可根據(jù)信號的局部時(shí)變特性進(jìn)行自適應(yīng)的時(shí)頻分解,非常適合對非平穩(wěn)信號進(jìn)行分析。建立在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上的支持向量機(jī)(SVM)克服了神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)中網(wǎng)絡(luò)結(jié)構(gòu)難以確定、易陷入局部極小值、過學(xué)習(xí)和欠學(xué)習(xí)等問題,且在小樣本、高維、非線性的數(shù)據(jù)空間下具有更強(qiáng)的泛化能力⑶,非常符合柴油機(jī)故障診斷的需要。本文利用EMD方法提取了柴油機(jī)多種故障條件下的缸蓋振動信號的特征參數(shù)并利用支持向量機(jī)進(jìn)行故障模式分類,取得了良好的效果。
6、1基本原理1.1支持向量機(jī)的基本原理支持向量機(jī)是Vapnik等人根據(jù)統(tǒng)計(jì)學(xué)習(xí)理論屮的結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則提出的⑶。其基木思想如圖1所Margin-2/1
7、w
8、
9、圖1支持向量機(jī)原理圖中實(shí)心點(diǎn)和空心點(diǎn)分別代表兩類樣本,H為分類線,乩和&分別為過各類中離分類線最近的樣本且平行于分類線的直線,它們之間的距離叫做分類間隔(Margin)o在乩和丹2上的樣本點(diǎn)就稱為支持向量。所謂最優(yōu)分類線,就是要求分類線片不但能正確區(qū)分兩類樣本,而且使分類間隔最大。對丁?線性不可分情形,需要引入一個(gè)懲罰參數(shù)C來控制對錯(cuò)分樣木懲罰的程度,實(shí)現(xiàn)最優(yōu)分類。如果將圖1推廣到高維空間,最優(yōu)分類線就成為最優(yōu)分類超平
10、面。柴油機(jī)的故障分類屬于非線性問題,需要將上述線性問題推廣到非線性分類超平而中來實(shí)現(xiàn)。SVM的非線性特性可以通過引入內(nèi)積核函數(shù)把輸入樣本X映射到高維特征空間F中,然后在F空間中求最優(yōu)分類超平而。設(shè)樣本為d維向量,有n個(gè)樣本及其所屬類別表示為:(X/,)”),心1,2,…,n,xgR",yw{+1,-1},超平面的優(yōu)化問題可表示為在條件(I)開[(w?齊)+切一1+5no,心1,2,…曲卜,求最小值1”min0(vv)=—(vv?vv)+C,J2i=i此處??為松弛兇子,0,f=l,2,no引入Langrang