基于VMD多尺度散布熵的柴油机故障诊断方法

• 作者: 乔新勇 韩立军 顾程
• 来源期刊: 汽车工程
• 关键词: 柴油机 故障识别 变分模态分解 多尺度散布熵 PSO-SVM
• 年，卷（期）: 2020,（8）
• 页码范围: 1139-1144
• 页数: 6页
• 字数: 3375字
• 语种: 中文
• DOI: 10.19562/j.chinasae.qcgc.2020.08.020

摘要

为从非平稳非线性的缸盖振动信号中提取出柴油机故障特征,本文中提出一种基于变分模态分解(VMD)的多尺度散布熵的柴油机失火故障诊断方法.利用VMD对柴油机缸盖振动信号进行分解,选取散布熵最小的模态分量作为分析信号,计算该信号的多尺度散布熵,并选取前6个尺度散布熵作为故障特征向量,输入粒子群优化的支持向量机(PSO-SVM)中进行失火故障分类判断,并与其他4种常见方法进行对比,结果表明,本文中提出的诊断方法能够有效提取故障特征,准确识别故障类型,优于所对比方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	乔新勇	陆军装甲兵学院车辆工程系	9	11	2.0	3.0
2	顾程	陆军装甲兵学院车辆工程系	3	0	0.0	0.0