第34卷(2012)第6期智能化与控制
柴油机 Diesel Engine
Vol. 34(2012) No. 6
基于EEMD和LSSVM的船用柴油机故障诊断
熊小龙，童明成，冯洲鹏
（海军驻兴平地区军事代表室，陕西兴平713105）
摘要：针对船用柴油机故障诊断时振动信号的非平稳特性和难以获取大量样本的实际情况，提出一种总体经验模态分解EEMD和最小二乘支持向量机LSSVM相结合的诊断方法。运用EEMD 方法对特定时段的振动信号进行分析，计算各内票模态函数IMF，并求其包含时间信息的能量简，以之作为特征向量输入到LSSVM分类器来判断柴油机的故障类型。经实例验证，该方法能在保持信号完整性的前提下有效提取故障特征，在小样本情况下具有较高的诊断精度、较快的诊断速度和较强的泛化能力，能有效应用于同类型机械的故障诊断。
关键词：荣柴油机；故障诊断；总体经验模态分解；最小二乘支持向量机；特征向量
中图分类号：TK428；029
文献标识码：A
文章编号：1001-4357(2012)06001004
FaultDiagnosisofMarineDieselEngineBasedonEEMDandLSSVM
Xiong Xiaolong, Tong Mingcheng, Feng Zhoupeng
(Naval Deputy Office in Xingping District,Shanxi Xingping 713105)
Abstract: With reference to the unsteady characteristic of vibration signal and the dificulty of obtaining mass sample when making a fault diagnosis of ship diesel engine, a diagnostic method combining EEMD and LSSVM is put forward. EEMD is used to analyze vibration signals at special time, calculate IMF and energy entropy including time information that will be used as eigenvector of LSSVM classifier, so as to judge the type of faults. An experimental example is given to validate the method, and it shows that this method can abstract characteristics of fault effectively and keep the integrality of signals. The method can also be applied to diagnose similar mechanical faults effectively because of its higher precision, faster di-agnostic speed and stronger flexibility.
Keywords : diesel engine; fault diagnosis; ensemble empirical mode decomposition; least square support vector machine; eigenvector
0引言
随着当今社会工业化水平的迅猛发展，造船技术不断进步，作为船舶推进系统的核心，柴油机日益朝着大型化、高速化、精密化方向发展。由于柴油机自身结构非常复杂，工作环境相对恶劣，容易发生故障；造成故障的因素也十分复杂，既有单一故障，也有多故障并存的现象。为了保证船舶安全，必须快速有效地排除故障，为此，需要快速判
断出柴油机的运行状态、故障模式，进而定位故障源。
当前，用于柴油机状态监测的信号主要有：振动信号、噪声信号、压力信号、温度信号等。综合国内外柴油机状态监测和故障诊断技术的现状，主要有：基于油液检测的铁谱和光谱技术、瞬时转速检测技术、示功图法、智能化检测方法等。
总体经验模态分解EEMD（EnsembleEmpirica ModeDecomposition）与最小二乘支持向量机LSSVM
收稿日期：2012-06-26；修回日期：2012-08-24
作者简介：熊小龙（1979-），男，博士，工程师，主要研究方向为柴油机质量监督与检验验收，E-mail；dragonet_16@sohu.com。