柴油機(jī)是依靠燃燒柴油釋放熱能,并轉(zhuǎn)化成動(dòng)能的動(dòng)力裝置,在眾多領(lǐng)域具有廣泛應(yīng)用,如船舶、礦場(chǎng)、航空等,在國(guó)民經(jīng)濟(jì)發(fā)展中起到舉足輕重的作用。船舶所用柴油機(jī)是柴油機(jī)具體應(yīng)用的一種,被用作船舶推進(jìn)動(dòng)力裝置,具有熱效率高、經(jīng)濟(jì)性好、起動(dòng)容易、適應(yīng)性強(qiáng)等優(yōu)點(diǎn),對(duì)船上其他眾多設(shè)備都有影響作用,而船舶柴油機(jī)的運(yùn)行工況和內(nèi)部結(jié)構(gòu)都十分復(fù)雜,對(duì)船舶柴油機(jī)運(yùn)行工況的有效監(jiān)測(cè),采集到的數(shù)據(jù)進(jìn)行特征提取與分析、進(jìn)行類別的區(qū)分,具有實(shí)際意義。船舶柴油機(jī)的故障檢測(cè)是通過對(duì)傳感器設(shè)備所收集到的數(shù)據(jù)信號(hào)進(jìn)行處理與分析,結(jié)合歷史數(shù)據(jù)信息,綜合識(shí)別當(dāng)前運(yùn)行狀態(tài),本質(zhì)是模式識(shí)別與數(shù)據(jù)分類問題。船舶柴油機(jī)信號(hào)數(shù)據(jù)具有典型的非線性多維特性,傳統(tǒng)的線性方法對(duì)于船舶柴油機(jī)信號(hào)數(shù)據(jù)有較大的局限性,核主元分析及流行學(xué)習(xí)中核局部保持投影法對(duì)于非線性數(shù)據(jù)的維度減低具有良好效果,K近鄰算法能夠有效區(qū)分?jǐn)?shù)據(jù)類別,此外與最小二乘支持向量機(jī)方法結(jié)合,能夠?qū)收习l(fā)生源位置進(jìn)行快速有效的檢測(cè)。本文利用AVL BOOST仿真軟件建立船舶低速二沖程柴油機(jī)模型,重點(diǎn)選擇了三類常見故障類型與一組正常數(shù)據(jù),為研究工作提供原始數(shù)據(jù)支持。針對(duì)柴油機(jī)故障數(shù)據(jù)通常為非線...

【文章頁(yè)數(shù)】：58 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題背景及研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 故障診斷方法研究現(xiàn)狀
        1.2.2 存在的主要問題
        1.2.3 柴油機(jī)故障診斷發(fā)展趨勢(shì)
    1.3 本論文主要研究?jī)?nèi)容
2 基于改進(jìn)數(shù)據(jù)結(jié)構(gòu)保持算法的特征提取方法
    2.1 樣本空間全局結(jié)構(gòu)特征保持算法
        2.1.1 核主元分析基本原理
        2.1.2 基于核主元分析的特征提取
    2.2 樣本空間局部結(jié)構(gòu)特征保持算法
        2.2.1 核局部保持投影基本原理
        2.2.2 基于核局部保持投影的特征提取
    2.3 改進(jìn)樣本空間數(shù)據(jù)結(jié)構(gòu)保持算法
    2.4 仿真實(shí)驗(yàn)
        2.4.1 數(shù)值模擬
        2.4.2 仿真實(shí)驗(yàn)
    2.5 小結(jié)
3 基于改進(jìn)K近鄰算法的故障分類方法
    3.1 K近鄰算法基本原理
        3.1.1 K近鄰算法概述
        3.1.2 K近鄰分類流程
    3.2 基于改進(jìn)KNN算法的故障分類
        3.2.1 降維指標(biāo)
        3.2.2 基于改進(jìn)KNN算法的故障分類
    3.3 仿真實(shí)驗(yàn)
    3.4 小結(jié)
4 基于分塊KPCA與LSSVM的故障檢測(cè)方法
    4.1 分塊KPCA算法
        4.1.1 分塊KPCA算法原理
        4.1.2 SPE與T²統(tǒng)計(jì)量
        4.1.3 分塊KPCA算法流程
    4.2 分塊KPCA與LSSVM的集成故障檢測(cè)
        4.2.1 SVM與LSSVM算法原理
        4.2.2 分塊KPCA與LSSVM的集成故障診斷算法
    4.3 仿真實(shí)驗(yàn)
    4.4 小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間參與項(xiàng)目情況
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝



本文編號(hào)：3806999