内燃机优化VMD-CWD时频表征与BSNMF编码识别诊断方法
岳应娟
王旭
蔡艳平
刘渊
郑勇
1.火箭军工程大学理学院,西安,7100252.火箭军工程大学理学院,西安,7100253.火箭军工程大学理学院,西安,7100254.火箭军工程大学理学院,西安,7100255.火箭军工程大学理学院,西安,710025
摘要：针对内燃机振动响应信号强耦合、弱故障特征的问题,提出一种基于参数优化VMD-CWD内燃机振动时频表征与BSNMF分块编码识别的故障诊断方法.利用变分模态分解(VMD)将内燃机振动信号分解成一组本征模态函数(IMF),并叠加IMF分量信号的Choi-Williams分布(CWD)获得时频聚集性良好,无交叉项干扰的振动谱图像.针对VMD分解过程中的参数选取问题,引入功率谱熵作为目标函数,对VMD的分解参数进行网格寻优,提高了VMD分解的自适应性.为了实现内燃机振动谱图像的自动识别诊断,在稀疏非负矩阵分解(SNMF)的基础上提出一种更容易收敛的分块稀疏非负矩阵分解算法(BSNMF),用来对内燃机振动谱图进行特征提取,并采用支持向量机对提取的特征参数直接进行模式识别.将本文方法应用于内燃机故障诊断实例中,结果表明:该方法能有效提取内燃机振动信号中的微弱故障特征,实现内燃机气门机构故障的自动诊断.
关键词：故障诊断内燃机Choi-Williams分布变分模态分解分块稀疏非负矩阵分解
分类号：TH825(机械、仪表工业)TK407(内燃机)
资助基金：国家自然科学基金项目(51405498)中国博士后科学基金项目(2015M582642)National Natural Science Foundation of China(51405498)China Postdoctoral Science Foundation(2015M582642)
论文发表日期：2017-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 10-16 )
英文信息