基于监督核熵成分分析的发动机磨损故障诊断

• 作者: 祝志超 吴定会 岳远昌
• 来源期刊: 系统仿真学报
• 学科: 工学
• 关键词: 光谱 故障诊断 特征提取 核熵成分分析
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 仿真建模理论与方法|Modeling Theory and Methodology
• 页码范围: 45-52
• 页数: 8页
• 分类号: TP391.9
• 语种: 中文
• DOI: 10.16182/j.issn1004731x.joss.20-0623

摘要

针对发动机受工作环境影响,导致油液光谱数据存在大量冗余信息且具有非线性结构,从而影响发动机故障诊断结果的问题,提出监督核熵成分分析(supervised kernel entropy component analysis,SKECA)的特征提取方法;该方法在核熵成分分析基础上引入监督学习算法,提取油液光谱数据的内在几何特征,使提取后的故障特征中包含判别信息,并利用遗传算法(genetic algorithm,GA)寻找参数来优化特征提取的结果,采用支持向量机对故障特征进行分类.结果 表明:采用SKECA进行特征提取能够有效提高发动机故障诊断精度.