基于ReliefF-PCA和SVM的发动机故障诊断方法研究

• 作者: 张进杰 朱丽娜 王学杰
• 来源期刊: 北京化工大学学报（自然科学版）
• 学科: 工学
• 关键词: 柴油发动机 故障诊断 ReliefF 主成分分析(PCA) 支持向量机(SVM)
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 机电工程和信息科学
• 页码范围: 55-59
• 页数: 5页
• 分类号: TP206.3
• 字数: 2988字
• 语种: 中文
• DOI: 10.13543/j.bhxbzr.2018.01.009

摘要

针对柴油发动机机组振动信号非线性和非平稳性以及机组实际故障案例样本数据少的特点,提出了一种基于ReliefF、主成分分析(PCA)以及支持向量机(SVM)的柴油发动机故障诊断方法.首先提取发动机冲击信号的特征参数,运用ReliefF选择出其中的敏感特征以降低处理过程的计算难度;然后采用PCA进一步提取敏感特征,消除各特征之间的相关性,避免冗余;最后利用SVM实现机组的故障分类,诊断不同类型的故障.将本文方法应用于柴油机实际典型故障案例中,结果表明该方法能有效提取柴油机缸盖振动信号中的故障敏感特征,并实现多种典型故障的诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张进杰	北京化工大学机电工程学院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	朱丽娜	北京化工大学机电工程学院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
3	王学杰		3	2	1.0	1.0