基于KPCA-SVM的柴油机状态识别方法的研究

为了有效地对柴油机的运行状态进行状态识别,根据柴油机的特征信息和识别的特点,研究了基于核主元分析(KPCA)和支持向量机(SVM)进行柴油机状态识别的故障诊断方法。首先,对柴油机进行特征提取,构成一个特征向量。然后对其进行核主元分析,计算得到能反映设备状态的特征向量,有效去除信息的冗余。最后,将得到的特征向量进行支持向量机的训练学习,识别柴油机的状态。通过实验室柴油机燃烧系统不同运行状态下的识别分析,验证了此方法的可行性和实用性。