噪声与振动控制
首页  |  期刊介绍  |  编 委 会  |  投稿指南  |  期刊订阅  |  广告服务  |  版权转让  |  抄袭举报  |  联系我们
  2009, Vol. 29 Issue (5): 70-73    DOI: 10.3969/j.issn.1006-1355.2009.05.019
论文 最新目录 | 下期目录 | 过刊浏览 | 高级检索  |   
《基于EMD与AR模型的柴油机故障诊断》
陆金铭1,2 王醇涛2 马捷1
(1.上海交通大学 船舶与海洋工程学院,上海 200030 2.江苏科技大学 机械与动力工程学院, 江苏镇江212003)
《Fault Diagnosis of Diesel Engine Based on EMD and AR Modes》
LU Jin-ming1,2, WANG Chun-tao2, MA Jie1
(1. School of Naval Architecture, Ocean and Civil Eng., Shanghai Jiaotong University, Shanghai 200030, China; 2. School of Mechanical and Power Eng., Jiangsu University of Science and Technology, Zhenjiang Jiangsu 212003, China)
 全文: PDF (1455 KB)   HTML (0 KB)  输出: BibTeX | EndNote (RIS)      背景资料
摘要 

柴油机气缸盖振动信号是一种典型的非平稳时变信号,用传统的时频分析难以得到满意的效果,用时域区间分析难以实现实时诊断,而小波分析则存在小波基函数选择困难等问题。本文采用经验模式分解EMD方法对振动信号进行分解,得到固有模态函数IMF,对每一个IMF分量分别建立AR模型,以模型的自回归参数和残差的方差作为特征向量,用支持向量机SVM进行分类,判断柴油机的工作状态和故障类型。实验结果分析表明,该方法即使在小样本情况下也能准确有效地诊断柴油机故障,能实现故障的实时自动化诊断。在不同转速时,需选用新转速工况下的数据作为训练样本,以保证分类准确率。

服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
陆金铭
王醇涛 马捷
关键词柴油机   故障诊断   经验模式分解EMD   AR模型   支持向量机SVM     
Abstract

The vibration signal of a diesel cylinder’s cover is a typical non-stationary signal. Traditional analysis of this signal in the time-frequency domain is not very effective. The interval analysis in time domain is not efficient either to realize real-time diagnosis. And it is also difficult to select the base function in wavelet transform. In this paper, the empirical mode decomposition (EMD) method is used to decompose the vibration signal into a number of intrinsic mode function (IMF) components and then the auto-regressive (AR) model of each IMF component is established. The auto-regressive parameters and the variance of remnant are regarded as the characteristic vectors and served as input parameters of SVM, and the working conditions and defaults of the diesel engine are classified. The results show that the proposed approach can classify working conditions of the diesel engine accurately, and effectively even in the case of small number of samples. And the real-time automation of the diesel engine fault diagnosis can be implemented. In order to classify the faults accurately, it is necessary to select new data as the training samples when the rotating speed of the diesel engine is changed.

Key wordsdiesel engine   fault diagnosis   empirical mode decomposition (EMD)   auto regressive (AR) model   support vector machines (SVM)   
收稿日期: 2009-03-16;
ZTFLH:  
   
通讯作者: 陆金铭   
引用本文:   
陆金铭,王醇涛 马捷. 《基于EMD与AR模型的柴油机故障诊断》[J]. , 2009, 29(5): 70-73.
LU Jin-ming,WANG Chun-tao. 《Fault Diagnosis of Diesel Engine Based on EMD and AR Modes》[J]. , 2009, 29(5): 70-73.
链接本文:  
http://nvc.sjtu.edu.cn/CN/10.3969/j.issn.1006-1355.2009.05.019
 
没有找到本文相关图表信息
没有本文参考文献
[1] 何洪军;饶柱石;邵宇鹰;荆建平. 大型变压器故障诊断识别方法[J]. , 2012, 32(4): 153-157.
[2] 潘 贲;於 杰 . 尖峰能量法在空压机轴承故障诊断中的应用[J]. , 2012, 32(4): 163-165.
[3] 陆宏伟;季振林;孟瑞雪. 柴油机排气系统振动特性数值仿真与分析[J]. , 2012, 32(3): 41-44.
[4] 王磊;纪国宜. 基于EMD模糊熵和SVM的转子系统故障诊断[J]. , 2012, 32(3): 171-176.
[5] 陶凤阳;刘广孚;李新光. 潜油电泵机组故障特征提取的实验研究[J]. , 2012, 32(2): 140-142.
[6] 邱爱中. 基于偶树复小波和改进型阈值函数的降噪方法 及其应用[J]. , 2012, 32(2): 115-118.
[7] 夏均忠;刘远宏;但佳璧;杨钢;张卫峰. 基于EMD分形技术提取变速器轴承故障特征[J]. , 2012, 32(2): 119-122.
[8] 魏立队;段树林;吴伋;武起立;于洪亮. 船用柴油机机体组合结构模态分析方法[J]. , 2012, 32(2): 132-136.
[9] 李月仙;韩振南;高建新;杨昊林. 一种EMD端点延拓算法及其在齿轮故障诊断中的应用[J]. , 2012, 32(2): 108-111.
[10] 陈彦龙;张培林;吴定海;王怀光. 基于DCT的微弱信号提取和识别[J]. , 2012, 32(1): 133-136.
[11] 王志刚;沈建平;马炳杰 . 柴油发电机动力装置的实船冲击测试技术[J]. , 2012, 32(1): 177-179.
[12] 马炳杰;冯慧华;沈建平. 基于试验/计算混合模型的动力传动装置混合建模与仿真[J]. , 2011, 31(6): 57-61.
[13] 肖文斌;陈进;周宇. 耦合隐马尔可夫模型在轴承故障诊断中的应用[J]. , 2011, 31(6): 161-164.
[14] 程利军;张英堂;李志宁;任国全;李健伟. 基于瞬时转速的柴油机各缸工作均匀性在线监测方法研究[J]. , 2011, 31(6): 183-187.
[15] 马炳杰;沈建平;赵大鹏;王文杰. 柴油机动力传动系统振动特性预估[J]. , 2011, 31(6): 86-90.

版权所有 © 2012 《噪声与振动控制》编辑部
地址:上海交通大学华山路1954号机械动力楼308室 邮编:200030
电话:021-62932221 邮箱:nvc@sjtu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn