基于混沌理论与SVM的内燃机振动信号趋势预测

• 作者: 冯广斌 吴震宇 袁惠群
• 来源期刊: 振动、测试与诊断
• 学科: 工学
• 关键词: 内燃机 经验模态分解 相空间重构 支持向量机 趋势预测
• 年，卷（期）: 2011,（1）
• 页码范围: 64-69
• 分类号: TK421|TH165.3
• 字数: 3842字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-6801.2011.01.015

摘要

针对内燃机振动信号信噪比低且呈非线性、非平稳的特性,提出将经验模态分解(emprical mode decomposition,简称EMD)相空间重构理论与支持向量机(support vector machine,简称SVM)相结合,实现内燃机振动监测数据的建模及预测.首先,将含噪声的振动信号经验模式分解,去掉主要干扰因素所对应的固有模态函数(intrinsic mode function,简称IMF)分量,再将剩余IMF分量进行重构,得到去噪声后振动信号时间序列;然后应用混沌理论,选择合适的嵌入维数和时间延迟对去噪后的振动信号时间序列进行相空间重构;最后采用SVM对其进行建模预测,并与径向基函数(radial basis function,简称RBF)神经网络的预测结果进行比较.试验数据表明,该方法能够预测内燃机振动信号的变化趋势,性能优于传统的分析方法,具有一定的工程实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	袁惠群	东北大学机械工程与自动化学院	139	1305	19.0	28.0
2	吴震宇		6	65	4.0	6.0
3	冯广斌		17	111	5.0	10.0