基于张量Tucker分解的发动机故障诊断

• 作者: 严运兵 吴强 张楠 沈琪 许小伟
• 来源期刊: 中国机械工程
• 学科: 工学
• 关键词: 发动机 故障诊断 张量模式 Tucker分解
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 机械基础工程
• 页码范围: 552-557
• 页数: 6页
• 分类号: TK411
• 字数: 4760字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-132X.2018.05.008

摘要

传统的发动机故障诊断方法通常基于向量模式进行数据特征的提取,可能丢失数据之间的结构信息及破坏数据间相关性.针对此问题,提出了一种张量模式下提取发动机数据特征的方法,构建了"信号类别×曲轴转角×转速"的三阶张量形式的发动机状态样本,基于交替投影的思想,使用 HOSVD-HOOI张量Tucker分解的联立求解算法,对数据特征进行提取.分别以不进行数据特征提取和基于张量Tucker分解进行数据特征提取两种情况,对发动机正常工作、单缸失火和轴系不对中三种状态下的实验数据进行处理,并分别采用网格参数优化法、遗传算法、粒子群算法对分类模型中的参数进行优化.以预测准确率和模型学习时间为评价指标进行对比分析,实验结果表明,基于张量 Tucker 分解的发动机数据特征提取及诊断方法预测准确率更高,分类模型学习时间更短.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	严运兵	武汉科技大学汽车与交通工程学院	89	440	12.0	15.0
3	许小伟	武汉科技大学汽车与交通工程学院	22	24	3.0	3.0
5	沈琪	武汉科技大学汽车与交通工程学院	5	1	1.0	1.0
6	吴强	武汉科技大学汽车与交通工程学院	7	18	3.0	4.0
11	张楠	武汉科技大学汽车与交通工程学院	3	3	1.0	1.0