内燃机优化VMD-CWD时频表征与BSNMF编码识别诊断方法

• 作者: 刘渊 岳应娟 王旭 蔡艳平 郑勇
• 来源期刊: 北京交通大学学报
• 学科: 工学
• 关键词: 故障诊断 内燃机 Choi-Williams分布 变分模态分解 分块稀疏非负矩阵分解
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 计算机网络和缓存结构
• 页码范围: 10-16
• 页数: 7页
• 分类号: TH825|TK407
• 字数: 5130字
• 语种: 中文
• DOI: 10.11860/j.issn.1673-0291.2017.05.002

摘要

针对内燃机振动响应信号强耦合、弱故障特征的问题,提出一种基于参数优化VMD-CWD内燃机振动时频表征与BSNMF分块编码识别的故障诊断方法.利用变分模态分解(VMD)将内燃机振动信号分解成一组本征模态函数(IMF),并叠加IMF分量信号的Choi-Williams分布(CWD)获得时频聚集性良好,无交叉项干扰的振动谱图像.针对VMD分解过程中的参数选取问题,引入功率谱熵作为目标函数,对VMD的分解参数进行网格寻优,提高了VMD分解的自适应性.为了实现内燃机振动谱图像的自动识别诊断,在稀疏非负矩阵分解(SNMF)的基础上提出一种更容易收敛的分块稀疏非负矩阵分解算法(BSNMF),用来对内燃机振动谱图进行特征提取,并采用支持向量机对提取的特征参数直接进行模式识别.将本文方法应用于内燃机故障诊断实例中,结果表明:该方法能有效提取内燃机振动信号中的微弱故障特征,实现内燃机气门机构故障的自动诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	岳应娟	火箭军工程大学理学院	16	41	4.0	5.0
2	王旭	火箭军工程大学理学院	18	39	3.0	4.0
3	蔡艳平	火箭军工程大学理学院	27	57	4.0	6.0
4	郑勇	火箭军工程大学理学院	6	14	2.0	3.0
5	刘渊	火箭军工程大学理学院	7	14	2.0	3.0