基于局部線性嵌入算法的柴油機(jī)故障診斷研究.pdf

1、由于柴油機(jī)在日常生產(chǎn)中占據(jù)了重要的地位，促進(jìn)了柴油機(jī)的故障診斷技術(shù)在近幾十年來迅速的發(fā)展。但柴油機(jī)的本身結(jié)構(gòu)復(fù)雜性，使故障形式呈現(xiàn)多樣性，加上工作環(huán)境惡劣，信息采集系統(tǒng)的精度等影響，導(dǎo)致柴油機(jī)的故障診斷識(shí)別率不高。如何提高柴油機(jī)故障診斷準(zhǔn)確率和效率，是近幾年來國內(nèi)外學(xué)者主要研究課題。
　　小波包是比較有效提起原始信號(hào)的特征信息方法之一；局部線性嵌入（LocallyLinearEmbedding，LLE）算法是針對(duì)非線性信號(hào)特征矢量

2、維數(shù)的優(yōu)化方法，這種維數(shù)優(yōu)化并不是僅僅在數(shù)量上簡單的約簡，而是在保持原始數(shù)據(jù)性質(zhì)不變的情況下，將高維空間的信號(hào)映射到低維空間上，即特征值的二次提取；信息融合技術(shù)，將不同位置傳感器采集的信息進(jìn)行聯(lián)想、過濾、聯(lián)結(jié)和合成，從而得出精確的故障信息。本文將小波包、LLE以及傳感器信息融合，相結(jié)合的方法進(jìn)行故障診斷研究，從而提高故障識(shí)別率。
　　首先，本文通過對(duì)柴油機(jī)主要故障形式，振動(dòng)信號(hào)特征的分析，應(yīng)用小波包能量譜分析方法提取各測點(diǎn)的特征值

3、，從而形成非線性的高維空間。根據(jù)各個(gè)測點(diǎn)振動(dòng)信號(hào)的特征值，應(yīng)用局部線性嵌入算法對(duì)柴油機(jī)進(jìn)行測點(diǎn)優(yōu)化。
　　其次，重點(diǎn)研究了LLE對(duì)高維特征向量優(yōu)化的問題，通過對(duì)現(xiàn)有的維數(shù)約簡的方法進(jìn)行歸納總結(jié)，針對(duì)不足之處，從而提出改進(jìn)方法：改進(jìn)LLE算法，可以優(yōu)化鄰域參數(shù)k，能有效的區(qū)分不同故障類型的數(shù)據(jù)。
　　最后，將優(yōu)化后的低維向量進(jìn)行特征值融合，并輸入到SOM-BP神經(jīng)網(wǎng)絡(luò)中進(jìn)行故障診斷，通過對(duì)比優(yōu)化前后特征值融合在神經(jīng)網(wǎng)絡(luò)中的結(jié)果