一种基于主成分分析和支持向量机的发动机故障诊断方法

• 作者: 么子云 唐松林 张宇飞 张进杰 朱丽娜
• 来源期刊: 中国机械工程
• 关键词: 发动机 故障诊断 特征提取 小波包分解 主成分分析 支持向量机
• 年，卷（期）: 2016,（24）
• 所属期刊栏目: 信息技术
• 页码范围: 3307-3311
• 页数: 5页
• 分类号: TP206.3
• 语种: 中文
• DOI: 10.3969/j.issn.1004-132X.2016.24.008

摘要

提出一种新型的基于主成分分析(PCA)和支持向量机(SVM)的故障诊断方法。首先提取振动信号的多项时域指标，并利用小波包分解提取频域特征；再利用PCA从提取的时域、频域特征中选取敏感特征，实现降维处理，减小数据处理复杂度；最后利用SVM进行特征子集的训练和测试，实现故障分离。该方法在柴油机的失火、撞缸、小头瓦磨损等典型实际故障中的诊断准确率高达98％，证实了该方法的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张进杰	北京化工大学高端机械装备健康监控与自愈化北京市重点实验室	38	148	7.0	11.0
2	么子云	北京化工大学高端机械装备健康监控与自愈化北京市重点实验室	5	23	2.0	4.0
3	张宇飞	北京化工大学高端机械装备健康监控与自愈化北京市重点实验室	1	19	1.0	1.0
4	唐松林		2	26	2.0	2.0
5	朱丽娜	北京化工大学高端机械装备健康监控与自愈化北京市重点实验室	4	21	1.0	4.0