基于CEEMD样本熵的柴油机故障诊断

被引：9

作者：

杨兴林

储维

李儒凡

倪杰

机构：

[1] 江苏科技大学能源与动力工程学院

来源：

内燃机 | 2016年 / 01期

关键词：

柴油机; 故障诊断; 互补集合经验模态分解; 样本熵; 支持向量机; 主元分析;

D O I：

暂无

中图分类号：

TK428 [检修与维护];

学科分类号：

080707 [能源环境工程];

摘要：

针对柴油机振动信号非线性、非平稳的特点,提出一种基于互补集合经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD)样本熵和支持向量机(Support Vector Machines,SVM)的柴油机故障诊断方法。该方法首先采用CEEMD对柴油机振动信号进行自适应分解,然后计算包含有主要故障信息的固有模态函数(Intrinsic Mode Function,IMFs)分量的样本熵,并结合主元分析对其进行降维处理;最后将提取出的主元特征向量输入SVM以判断柴油机的工作状态和故障类型。对CZ4110柴油机不同工况的分析结果表明,该方法可有效地用于柴油机故障诊断。

引用

页码：46 / 50

页数：5

共 15 条

[1]

Rolling Bearing Fault Diagnosis Based on CEEMD and Time Series Modeling.[J].Liye Zhao;Wei Yu;Ruqiang Yan;Xuefeng Chen.Mathematical Problems in Engineering.2014,

[2]

The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis [J].