基于支持向量机的汽车发动机故障诊断研究

被引:24
作者
徐玉秀 [1 ,2 ]
杨文平 [3 ]
吕轩 [1 ,2 ]
马志卫 [1 ,2 ]
马新华 [1 ,2 ]
机构
[1] 天津工业大学机械工程学院
[2] 天津市现代机电装备技术重点实验室
[3] 天津职业技术师范大学
基金
天津市自然科学基金;
关键词
发动机; 故障诊断; 时域能量提取; 支持向量机;
D O I
10.13465/j.cnki.jvs.2013.08.027
中图分类号
U472.43 [汽车发动机及其部件修理];
学科分类号
082304 ;
摘要
研究在汽车发动机不解体的情况下获取发动机缸盖表面的振动信号和上止点信号,按曲轴转角的周期对振动信号的时域能量进行合理分段;提取各段信号的时域能量作为发动机各缸状态的特征值。建立发动机各缸不同故障状态的训练集,用支持向量机的方法实现发动机故障模式的诊断与识别。研究结果表明,该方法对汽车发动机故障类型、故障位置的诊断识别具有重要工程意义。
引用
收藏
页码:143 / 146
页数:4
相关论文
共 6 条
[1]   小波包分析和支持向量机在刀具故障诊断中的应用 [J].
王计生 ;
喻俊馨 ;
黄惟公 .
振动、测试与诊断, 2008, (03) :273-276+304
[2]   基于支持向量机的旋转机械故障诊断。 [J].
赵冲冲 ;
廖明夫 ;
于潇 .
振动、测试与诊断, 2006, (01) :53-57+77
[3]   支持向量机算法和软件ChemSVM介绍 [J].
陆文聪 ;
陈念贻 ;
叶晨洲 ;
李国正 .
计算机与应用化学, 2002, (06) :697-702
[4]   基于模糊神经网络的汽油发动机故障诊断专家系统的研究 [J].
方晓斌 ;
何勇 .
上海交通大学学报(农业科学版), 2001, (02) :105-111
[5]   振动信号特征分析技术在柴油机运行状况诊断中的应用 [J].
王耀东 .
广西机械, 1997, (03) :8-9
[6]  
基于核方法的故障诊断理论及其方法的研究[M]. 北京大学出版社 , 杜京义, 2010