基于ReliefF-PCA和SVM的发动机故障诊断方法研究

作     者：朱丽娜 王学杰 张进杰 ZHU LiNa;WANG XueJie;ZHANG JinJie

作者机构：北京化工大学机电工程学院高端机械装备健康监控与自愈化北京市重点实验室北京100029 海军海南地区装备修理监修室海南三亚572021 

出 版 物：《北京化工大学学报（自然科学版）》 (Journal of Beijing University of Chemical Technology(Natural Science Edition))

年 卷 期：2018年第45卷第1期

页      面：55-59页

学科分类：08[工学] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 081102[工学-检测技术与自动化装置] 

基　　金：国家"863"计划(2014AA041806) 中央高校基本科研业务费(ZY1617) 

主　　题：柴油发动机 故障诊断 Relief F 主成分分析(PCA) 支持向量机(SVM) 

摘      要：针对柴油发动机机组振动信号非线性和非平稳性以及机组实际故障案例样本数据少的特点,提出了一种基于Relief F、主成分分析(PCA)以及支持向量机(SVM)的柴油发动机故障诊断方法。首先提取发动机冲击信号的特征参数,运用Relief F选择出其中的敏感特征以降低处理过程的计算难度;然后采用PCA进一步提取敏感特征,消除各特征之间的相关性,避免冗余;最后利用SVM实现机组的故障分类,诊断不同类型的故障。将本文方法应用于柴油机实际典型故障案例中,结果表明该方法能有效提取柴油机缸盖振动信号中的故障敏感特征,并实现多种典型故障的诊断。