基于粗糙集與核主元分析方法的柴油機故障檢測與診斷.pdf

1、隨著當代工業(yè)水平的發(fā)展,柴油機被越來越廣泛地應用于當代工業(yè)的各個重要行業(yè)當中,但是由于柴油機本身結構的復雜性,加之周邊工作環(huán)境一般也比較惡劣,使得柴油機故障的發(fā)生率與復雜程度也在升高。如果這些故障不能被及時地識別與處理,將會帶來不可挽回的經濟損失,甚至導致安全事故的發(fā)生,所以開展柴油機故障診斷的相關研究是十分有意義的。近年來,基于振動信號的柴油機故障診斷技術在機械故障診斷領域迅速地發(fā)展起來,本文主要研究的就是基于振動信號的柴油機故障診斷

2、方法,首先用小波包能量譜方法提取振動信號的特征值,然后提出了將核主元分析方法與粗糙集理論相結合來進行特征值的進一步優(yōu)化與故障監(jiān)測,實現(xiàn)了兩者在柴油機故障診斷中的優(yōu)勢互補,克服了核主元分析不能在數據處理前刪除多余屬性與特征值的缺點,有效地減少了核主元分析的計算量,提高了運算效率,但是這一方法只能完成故障的監(jiān)測,不能完成對故障的分類,本文最后提出了將支持向量機與核主元分析法相結合完成對柴油機故障的分類,并且取得了很好的效果,證明了所用方法的

3、有效性與適用性,為柴油機的故障診斷工作提供了一些理論上的支持。具體的研究內容以及結論歸納如下:
　　(1)熟悉了以振動信號采集為主的柴油機故障診斷實驗平臺,以某 V12缸柴油機為研究對象,重點選取了四個測點上測取的三種轉速下包括正常狀態(tài)等四種工況下的振動信號,為研究工作提供了原始數據。
　　(2)通過對比分析四層小波包能量譜特征提取方法產生的特征值以及時域特征值對柴油機故障的敏感性,發(fā)現(xiàn)前者更適合用于柴油機的故障診斷工作。<

4、br>　　(3)針對核主元分析不能在數據處理前刪除多余屬性和特征值的缺點,提出了首先可以利用粗糙集理論的約簡算法對特征值進行篩選的思路方法,在具體實現(xiàn)的過程中,首先構建了柴油機四個測點的工況信息系統(tǒng)決策表,通過分析提出了將 SNS離散化算法與等頻率劃分法相結合的離散化方法,對決策表的連續(xù)屬性值進行了離散化處理,有效地避免了SNS離散化算法斷點太多的缺點,然后利用本文歸納的基于Skowron差別矩陣的決策表屬性約簡算法對決策表進行了約簡。