基于EMD和支持向量机的柴油机故障诊断

被引:31
作者
沈志熙 [1 ]
黄席樾 [1 ]
马笑潇 [2 ]
机构
[1] 重庆大学自动化学院
[2] 新西兰况得实仪器有限公司
关键词
故障诊断; 经验模态分解; 基本模式分量; 支持向量机; 小波包变换;
D O I
10.16450/j.cnki.issn.1004-6801.2010.01.017
中图分类号
TK428 [检修与维护];
学科分类号
摘要
为了解决传统小波或小波包变换方法对柴油机振动信号频率分辨率不高、易受邻近谐波分量间交叠影响的缺陷,提出了一种基于经验模态分解和支持向量机的故障诊断方法。该方法首先对振动信号进行经验模态分解,分别提取能量最大的几个基本模式分量的小波包特征;然后采用支持向量机在每个独立的特征子集中进行训练,并按该子集对应的基本模式分量的能量权重进行加权融合。试验中将该方法应用于6135型柴油机的故障诊断,结果表明,针对每个基本模式分量分别进行故障分析是可行的,能够对6135型柴油机常见故障模式进行准确识别。
引用
收藏
页码:19 / 22+95 +95
页数:5
相关论文
共 4 条
[1]   基于小波包变换的支持向量机损伤诊断方法 [J].
赵学风 ;
段晨东 ;
刘义艳 ;
韩旻 .
振动、测试与诊断, 2008, (02) :104-107+178
[2]   小波神经网络在柴油机异响故障诊断中的应用 [J].
周斌 ;
沈玉娣 ;
肖云魁 .
振动、测试与诊断, 2006, (03) :208-211+247
[3]   非平稳振动信号分析中Hilbert-Huang变换的对比研究 [J].
李建伟 ;
许宝杰 ;
韩秋实 .
机械强度, 2006, (02) :165-169
[4]   基于SVM的二叉树多类分类算法及其在故障诊断中的应用 [J].
马笑潇 ;
黄席樾 ;
柴毅 ;
不详 .
控制与决策 , 2003, (03) :272-276+284