基于EMD奇异值分解与马氏距离的气阀故障诊断

设置排气阀的不同间隙及用新气阀模拟轻微漏气,构造气阀机构的四种常见工作状态,然后针对非平稳的缸盖振动信号,介绍了一种可以处理非平稳信号的新方法,应用Hilbert-Huang变换的核心内容——经验模态分解法对非平稳信号进行分解,以降低原始信号中的非平稳性。利用经验模态分解和奇异值分解得到缸盖振动信号的故障特征参数,然后用少量的样本数据训练得到四种常见工作状态的模式向量,最后利用马氏距离判别函数进行气阀机构故障状态的识别。实验结果表明通过小样本即可完成模型的训练,且训练一旦完成,对未知样本的分类速度和识别率都很高,便于实现气阀机构故障的在线实时监测与诊断。