同步压缩小波与极限梯度提升树融合的柴油机失火故障诊断

作     者：李卫星 陶建峰 覃程锦 刘成良 LI Weixing;TAO Jianfeng;QIN Chengjin;LIU Chengliang

作者机构：上海交通大学机械系统与振动国家重点实验室上海200240 

出 版 物：《西安交通大学学报》 (Journal of Xi'an Jiaotong University)

年 卷 期：2019年第53卷第2期

页      面：47-54,169页

核心收录：

学科分类：08[工学] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：国家重点研发计划资助项目(2017YFD0700602) 国家重点研发计划子课题资助项目(2016YFD0700105-02) 

主　　题：失火故障诊断 同步压缩小波变换 极限梯度提升树 局部线性嵌入 

摘      要：针对柴油机失火故障诊断特征提取分辨率较低和分类评估容易出现过拟合的问题,提出了一种同步压缩小波变换和极限梯度提升树融合的诊断方法。在不同转速下进行柴油机失火性能试验,采集缸盖振动信号,对信号利用时域统计、同步压缩小波提取特征,再采用局部线性嵌入方法进行特征降维,最后利用极限梯度提升树进行失火评估分类。不同工况与评估方法下的对比实验结果表明,所提方法的分类准确率最高可达99.828%,相比小波包特征提取的评估方法提升至少10%。在低模型复杂度下,所提方法具有最小的模型预测均方根误差,证明了方法的鲁棒性和抑制模型过拟合的能力。