基于振动时频图像和D-S证据理论的内燃机故障诊断

• 作者: 刘浩 牟伟杰 石林锁 蔡艳平 郑勇
• 来源期刊: 武汉科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 内燃机 故障诊断 振动信号 时频图像 SPWVD D-S证据理论 局部非负矩阵分解 BP神经网络
• 年，卷（期）: 2017,（3）
• 页码范围: 223-229
• 页数: 7页
• 分类号: TK421.6
• 字数: 4901字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-3644.2017.03.012

摘要

为抑制循环波动性对内燃机故障诊断结果的影响,引入D-S证据理论,提出一种基于内燃机振动时频图像、局部非负矩阵分解、BP神经网络和D-S证据理论的内燃机故障诊断新方法.首先采用平滑伪魏格纳分布(SPWVD)方法对8种不同气门状态的缸盖振动信号进行分析得到振动时频图像,然后用局部非负矩阵分解(LNMF)方法提取时频图像的特征参数并组成训练集和测试集,用得到的训练集对BP神经网络进行训练,再把测试集输入到训练好的BP神经网络,将输出的结果转化为基本概率赋值,用Deng加权平均证据合成规则对同种状态下不同图像的证据进行合成,并利用合成后的结果进行诊断分类.实例分析结果表明,基于振动时频图像和D-S证据理论的内燃机故障诊断方法可以有效抑制内燃机循环波动性对诊断结果的影响,能够准确诊断不同类型的气门故障.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡艳平	火箭军工程大学五系	27	57	4.0	6.0
2	牟伟杰	火箭军工程大学五系	6	14	2.0	3.0
3	石林锁	火箭军工程大学五系	8	13	2.0	3.0
4	郑勇	火箭军工程大学五系	6	14	2.0	3.0
5	刘浩	火箭军工程大学五系	3	7	2.0	2.0