基于WPT-GA-SVM的柴油機(jī)典型故障診斷研究.pdf

1、柴油機(jī)作為工程機(jī)械的動(dòng)力源，廣泛應(yīng)用于船舶，車輛，發(fā)電機(jī)組等領(lǐng)域。由于運(yùn)行工況復(fù)雜，工作條件惡劣，很容易發(fā)生故障。對(duì)柴油機(jī)故障的處理方法，通常采用定期保養(yǎng)、檢修和事后維修等處理方法，但是這些方法通常缺乏事故預(yù)見能力，維修成本較高，效率卻很低，因此研究實(shí)用簡(jiǎn)便的智能故障診斷方法十分必要。此外，由于對(duì)缸蓋振動(dòng)信號(hào)的測(cè)量較為簡(jiǎn)單方便，通過采集缸蓋振動(dòng)信號(hào)對(duì)柴油機(jī)進(jìn)行不解體故障診斷一直是廣大學(xué)者研究的熱點(diǎn)。由于缸蓋振動(dòng)信號(hào)受多種激勵(lì)源影響，屬于

2、非平穩(wěn)非線性振動(dòng)信號(hào)，故需要選擇合適的信號(hào)處理方法對(duì)缸蓋振動(dòng)信號(hào)進(jìn)行分析。
　　本文建立柴油機(jī)缸蓋振動(dòng)信號(hào)實(shí)驗(yàn)采集平臺(tái)。以WP10型號(hào)六缸柴油機(jī)為測(cè)試對(duì)象，采集柴油機(jī)在正常及不同故障狀態(tài)缸蓋振動(dòng)信號(hào)作為測(cè)試樣本。研究小波包分析在缸蓋振動(dòng)信號(hào)數(shù)據(jù)處理及特征提取中的應(yīng)用，對(duì)柴油機(jī)正常狀態(tài)、進(jìn)排氣門間隙故障、噴油提前角故障及供油量故障進(jìn)行三層小波包分析。研究小波包分解的八個(gè)子頻帶的功率譜密度圖，確定柴油機(jī)不同故障的特征頻帶范圍。分析不同

3、故障特征頻帶最大奇異值分布，均方根值分布，偏度分布，峭度分布，并以此作為BP神經(jīng)網(wǎng)絡(luò)，GA優(yōu)化BP神經(jīng)網(wǎng)絡(luò)，支持向量機(jī)(SVM)及GA優(yōu)化SVM的輸入向量。分析不同輸入向量在柴油機(jī)單一故障與多故障中的分類準(zhǔn)確度。
　　研究結(jié)果表明:對(duì)柴油機(jī)單一故障進(jìn)行分類，采用BP神經(jīng)網(wǎng)絡(luò)作為分類器，分類準(zhǔn)確率達(dá)90％以上;采用GA-BP作為分類器，準(zhǔn)確率達(dá)95％以上;采用SVM作為分類器，分類準(zhǔn)確率達(dá)92％以上;采用GA-SVM作為分類器，準(zhǔn)確