機(jī)械設(shè)備故障診斷中,特征融合技術(shù)能夠在保留有效信息的同時(shí)去除冗余相關(guān)信息,有利于節(jié)省計(jì)算資源和提高診斷能力。提出一種基于相關(guān)性分析進(jìn)行特征融合的內(nèi)燃機(jī)故障診斷方法。首先,深度挖掘并提取原始信號(hào)的多域特征,形成多域特征集;然后,對(duì)多域特征集進(jìn)行相關(guān)性分析,并對(duì)關(guān)聯(lián)性高的特征組合進(jìn)行擇一保留;最后,利用主成分分析法（PCA）進(jìn)行特征降維,并利用k近鄰學(xué)習(xí)（kNN）算法進(jìn)行故障診斷。內(nèi)燃機(jī)氣門間隙異常故障的有效診斷驗(yàn)證了該方法的適用性和準(zhǔn)確性。 

【文章來(lái)源】：機(jī)械工程與自動(dòng)化. 2020,(05)

【文章頁(yè)數(shù)】：3 頁(yè)

【文章目錄】：
0 引言
1 多域特征提取
    1.1 時(shí)域及頻域特征提取
    1.2 時(shí)頻域特征提取
2 基于特征相關(guān)分析的內(nèi)燃機(jī)故障診斷方法
    2.1 特征的相關(guān)性分析
    2.2 考慮特征相關(guān)性的內(nèi)燃機(jī)故障診斷方法流程
3 試驗(yàn)結(jié)果
    3.1 氣門間隙模擬實(shí)驗(yàn)
    3.2 考慮特征相關(guān)性的特征降維
    3.3 氣門間隙異常故障診斷
4 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]一種基于主成分分析和支持向量機(jī)的發(fā)動(dòng)機(jī)故障診斷方法[J]. 張宇飛,么子云,唐松林,朱麗娜,張進(jìn)杰.  中國(guó)機(jī)械工程. 2016(24)
[2]基于小波包變換和奇異值分解的柴油機(jī)振動(dòng)信號(hào)特征提取研究[J]. 李國(guó)賓,關(guān)德林,李廷舉.  振動(dòng)與沖擊. 2011(08)
[3]動(dòng)態(tài)系統(tǒng)的故障診斷技術(shù)[J]. 周東華,胡艷艷.  自動(dòng)化學(xué)報(bào). 2009(06)



本文編號(hào)：3191929