第10期 2017年10月
组合机床与自动化加工技术
Modular Machine Tool & Automatic Manufacturing Technique
文章编号：10012265(2017)10012905
D0I:10.13462/j.cnki.mmtamt.2017.10.031
No.10 Oct.2017
基于VMD和拉普拉斯分值的柴油机故障诊断
吉哲1，2，傅忠谦
（1.中国科学技术大学信息科学技术学院，合肥230026；2.海军蚌埠士官学校二系，安徽蚌埠 233012
摘要：针对柴油机声信号非平稳非线性的特性，提出了一种基于变分模态分解（VMD)和拉普拉斯分值(LS)的柴油机故障诊断方法。首先对柴油机声信号进行变分模态分解，从分解得到的各模态函数中进行统计特征提取，组成初始特征集；然后利用改进的拉普拉斯分值算法进行特征排序，以支持向量机(SVM)为故障分类器，实现柴油机的故障诊断；最后通过设计接受者操作特性(ROC)指示器，确定故障诊断的最优维。将该方法应用到6135D型柴油机四种常见故障的诊断中，实验结果表明该方法能有效提取柴油机声信号特征并具有较高的诊断精度。
关键词：变分模态分解；拉普拉斯分值；特征提取；支持向量机
中图分类号：TH165*.3;TG506
文献标识码：A
Diesel Engine Fault Diagnosis Based on VMD and Laplacian Score
JI Zhe-2,FU Zhong-qian
(1. School of Information Science and Technology, University of Science and Technology of China, Hefei 230026, China;2. Second Department,Bengbu Naval Petty Officer School, Bengbu Anhui 233012, China) Abstract: Aiming at the acoustic signal of diesel with features of nonstationary and nonlinear, a fault diag-nosis method for diesel engine based on Variational Mode Decomposition( VMD) and Laplacian Score(LS) e were extracted from the decomposition of each modal function to form the initial feature set; then improved LS algorithm was used for feature ranking, using Support Vector Machine(SvM) as a fault classifier, the e(ROC) indicator, the optimal dimension of fault diagnosis was determined. The method is applied to the di-agnosis of four common faults of type 6135D diesel engine, the experimental results show that this method can efficiently extract the features of acoustic signals of diesel and has high diagnostic accuracy.
Key words : variational mode decomposition; laplacian score; feature extraction; support vector machinc
0引言
柴油机是一种大型往复式动力机械，广泛应用于工业、农业、军事等各个领域。根据不同的性能需求，柴油机要求在各种条件下运行。恶劣的环境和长时间的运行容易诱发各种故障，将直接影响工作效率。柴油机的故障诊断主要是识别机械运行中动态性能的变化规律，为准确判定故障部位提供依据。现代机械故障诊断方法主要有：振动噪声诊断法，油液分析法，红外测温法等。机械的的振动噪声信号通常包含大量的机械系统状态信息，利用振声信号进行故障诊断是一种常用且有效的方法。柴油机振声信号是一种典型的
周期性循环的非平稳信号！1。当柴油机发生故障时会发出异常振动和噪声，通过对振声信号的分析，可以进行故障诊断。文献[2-3]研究了小波包分析在柴油机故障诊断中的应用。文献[4]将集合经验模态分解引入到柴油机故障诊断中，利用振动信号的能量谱进行诊断。文献[5]通过局部均值分解提取电机振动信号的特征向量，应用SVM进行故障识别。文献[6]研究了旋转机械的复合故障诊断方法，通过遗传编程选择特征参数，并利用加权证据理论进行信息融合，对复合故障进行了准确的诊断。但是，小波包分析需要事先选择合适的基函数，集合经验模态分解和局部均值分解均存在端点效应且对频率相近的分量无法正确分
收稿日期：2016-12-27；修回日期：2017-01-13
作者简介：吉哲（1983一），男，江苏靖江人，中国科学技术大学硕士研究生，研究方向为机械故障诊断，（E-mail)jizhe@mail.ustc.edu.cn。
万方数据