【摘要】：為了直接對(duì)內(nèi)燃機(jī)振動(dòng)譜圖像進(jìn)行診斷識(shí)別,提出一種基于改進(jìn)變分模態(tài)分解(VMD)、偽魏格納時(shí)頻分析(PWVD)與局部非負(fù)矩陣分解(LNMF)的內(nèi)燃機(jī)振動(dòng)譜圖像識(shí)別診斷方法。該方法首先針對(duì)VMD分解過(guò)程中的層數(shù)選取問(wèn)題,提出了一種中心頻率篩選的VMD分解層數(shù)改進(jìn)方法(KVMD),然后將內(nèi)燃機(jī)振動(dòng)信號(hào)利用KVMD分解成一組單分量模態(tài)信號(hào),并對(duì)生成的各個(gè)單分量信號(hào)進(jìn)行偽魏格納分析處理后表征成振動(dòng)譜圖像;在此基礎(chǔ)上,對(duì)生成的內(nèi)燃機(jī)KVMD-PWVD振動(dòng)譜圖像分別采用非負(fù)矩陣分解(NMF)和LNMF形成編碼矩陣,并采用最近鄰分類器、樸素貝葉斯分類器和支持向量機(jī)對(duì)上述編碼矩陣直接進(jìn)行模式識(shí)別,以實(shí)現(xiàn)內(nèi)燃機(jī)振動(dòng)譜圖像的自動(dòng)診斷。最后,將該方法應(yīng)用在內(nèi)燃機(jī)故障診斷實(shí)例中,結(jié)果表明:該方法改進(jìn)了傳統(tǒng)圖像模式識(shí)別中的特征參數(shù)方法,能有效診斷出內(nèi)燃機(jī)氣門間隙故障,三種分類器識(shí)別精度均大于93%,其中支持向量機(jī)的分類精度最高,達(dá)到99.8%,且采用LNMF形成的編碼矩陣識(shí)別精度整體高于NMF,為內(nèi)燃機(jī)振動(dòng)診斷探索了一條新途徑。
[Abstract]:In order to diagnose and identify the internal combustion engine vibration spectrum image directly, a new method based on modified variational mode decomposition (VMD),) pseudo-Wigner time-frequency analysis (PWVD) and local nonnegative matrix decomposition (LNMF) is proposed. To solve the problem of selecting the number of layers in the process of VMD decomposition, an improved method of VMD decomposition layer number based on center frequency selection is proposed in this method, (KVMD),. Then, the vibration signal of internal combustion engine is decomposed into a group of single-component modal signals by KVMD. The generated single component signals are characterized by pseudo-Wigner analysis, and then the generated KVMD-PWVD vibration spectrum images are decomposed by non-negative matrix factorization (NMF) and LNMF respectively to form coding matrix. The nearest neighbor classifier, naive Bayesian classifier and support vector machine are used to recognize the coding matrix directly to realize the automatic diagnosis of internal combustion engine vibration spectrum image. Finally, the method is applied to the fault diagnosis of internal combustion engine. The results show that the method improves the characteristic parameter method of traditional image pattern recognition, and can effectively diagnose the valve clearance fault of internal combustion engine. The recognition accuracy of the three classifiers is greater than 93s, and the classification accuracy of SVM is the highest, reaching 99.8. The recognition accuracy of coding matrix formed by LNMF is higher than that of NMF, and a new way for internal combustion engine vibration diagnosis is explored.
【作者單位】： 第二炮兵工程大學(xué)五系;
【基金】：國(guó)家自然科學(xué)基金青年基金項(xiàng)目(51405498) 陜西自然科學(xué)基金項(xiàng)目(2013JQ8023) 中國(guó)博士后基金資助項(xiàng)目(2015M582642)
【分類號(hào)】：TP391.41;TK407

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 向陽(yáng)輝;張干清;龐佑霞;;結(jié)合SVM和改進(jìn)證據(jù)理論的多信息融合故障診斷[J];振動(dòng)與沖擊;2015年13期

2 沈虹;趙紅東;梅檢民;曾銳利;;基于高階累積量圖像特征的柴油機(jī)故障診斷研究[J];振動(dòng)與沖擊;2015年11期

3 唐貴基;王曉龍;;參數(shù)優(yōu)化變分模態(tài)分解方法在滾動(dòng)軸承早期故障診斷中的應(yīng)用[J];西安交通大學(xué)學(xué)報(bào);2015年05期

4 任金成;張玲玲;肖云魁;朱忠奎;;基于對(duì)稱極坐標(biāo)和圖像處理的柴油機(jī)故障診斷研究[J];車用發(fā)動(dòng)機(jī);2013年06期

5 李兵;徐榕;賈春寧;郭清晨;;基于自適應(yīng)形態(tài)提升小波與改進(jìn)非負(fù)矩陣分解的發(fā)動(dòng)機(jī)故障診斷方法[J];兵工學(xué)報(bào);2013年03期

6 蔡艷平;李艾華;王濤;胡重慶;;基于時(shí)頻譜圖與圖像分割的柴油機(jī)故障診斷[J];內(nèi)燃機(jī)學(xué)報(bào);2011年02期

7 蔡艷平;李艾華;王濤;姚良;許平;;基于EMD-Wigner-Ville的內(nèi)燃機(jī)振動(dòng)時(shí)頻分析[J];振動(dòng)工程學(xué)報(bào);2010年04期

8 毛永芳;秦樹(shù)人;秦毅;;重分配譜圖和多窗譜在機(jī)械故障診斷中的應(yīng)用[J];振動(dòng)與沖擊;2009年01期

9 王成棟,張優(yōu)云,夏勇;模糊函數(shù)圖像在柴油機(jī)氣閥故障診斷中的應(yīng)用研究[J];內(nèi)燃機(jī)學(xué)報(bào);2004年02期

10 王成棟,張優(yōu)云,夏勇;基于S變換的柴油機(jī)氣閥機(jī)構(gòu)故障診斷研究[J];內(nèi)燃機(jī)學(xué)報(bào);2003年04期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 牟偉杰;石林鎖;蔡艷平;孫鋼;鄭勇;;基于KVMD-PWVD與LNMF的內(nèi)燃機(jī)振動(dòng)譜圖像識(shí)別診斷方法[J];振動(dòng)與沖擊;2017年02期

2 王秀芳;檀麗麗;高丙坤;姜建國(guó);葛延良;;變分模態(tài)分解和相關(guān)系數(shù)聯(lián)合算法在管道泄漏檢測(cè)中的應(yīng)用[J];壓力容器;2016年12期

3 周柏彤;劉增力;朱健晨;;關(guān)于多種模態(tài)分解方法的分離效果的差別探討[J];信息技術(shù);2016年12期

4 蔣麗英;高爽;崔建國(guó);于明月;盧曉東;王景霖;;基于VMD和平均能量的齒輪故障特征提取[J];沈陽(yáng)航空航天大學(xué)學(xué)報(bào);2016年06期

5 劉尚坤;唐貴基;王曉龍;;基于改進(jìn)變分模態(tài)分解的旋轉(zhuǎn)機(jī)械故障時(shí)頻分析方法[J];振動(dòng)工程學(xué)報(bào);2016年06期

6 高紅瑋;張麗榮;侯少杰;;基于變分模態(tài)分解改進(jìn)方法的滾動(dòng)軸承故障特征提取[J];圖學(xué)學(xué)報(bào);2016年06期

7 岳應(yīng)娟;孫鋼;蔡艷平;;基于變分模態(tài)分解近似熵和支持向量機(jī)的軸承故障診斷方法[J];軸承;2016年12期

8 李巧藝;單奇;陳躍威;;基于HHT邊際譜熵-馬氏距離的滾動(dòng)軸承故障診斷[J];燕山大學(xué)學(xué)報(bào);2016年06期

9 岳應(yīng)娟;孫鋼;蔡艷平;王旭;;基于VMD-PWVD的內(nèi)燃機(jī)振動(dòng)信號(hào)時(shí)頻分析方法[J];武漢科技大學(xué)學(xué)報(bào);2016年05期

10 賈亞飛;朱永利;王劉旺;李莉;;基于VMD和多尺度熵的變壓器內(nèi)絕緣局部放電信號(hào)特征提取及分類[J];電工技術(shù)學(xué)報(bào);2016年19期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 沈虹;趙紅東;梅檢民;趙慧敏;張大鵬;任金成;;基于角域四階累積量切片譜的柴油機(jī)連桿軸承故障特征提取[J];振動(dòng)與沖擊;2014年11期

2 張恒;趙榮珍;;故障特征選擇與特征信息融合的加權(quán)KPCA方法研究[J];振動(dòng)與沖擊;2014年09期

3 韓德強(qiáng);楊藝;韓崇昭;;DS證據(jù)理論研究進(jìn)展及相關(guān)問(wèn)題探討[J];控制與決策;2014年01期

4 王維剛;劉占生;;多目標(biāo)粒子群優(yōu)化的支持向量機(jī)及其在齒輪故障診斷中的應(yīng)用[J];振動(dòng)工程學(xué)報(bào);2013年05期

5 胡金海;余治國(guó);翟旭升;彭靖波;任立通;;基于改進(jìn)D-S證據(jù)理論的航空發(fā)動(dòng)機(jī)轉(zhuǎn)子故障決策融合診斷研究[J];航空學(xué)報(bào);2014年02期

6 雷蕾;王曉丹;邢雅瓊;畢凱;;結(jié)合SVM和DS證據(jù)理論的多極化HRRP分類研究[J];控制與決策;2013年06期

7 張玲玲;梅檢民;賈繼德;喬龍;周建新;;柴油機(jī)加速振動(dòng)信號(hào)的階比雙譜特征提取[J];振動(dòng)與沖擊;2013年01期

8 王宏超;陳進(jìn);董廣明;;基于最小熵解卷積與稀疏分解的滾動(dòng)軸承微弱故障特征提取[J];機(jī)械工程學(xué)報(bào);2013年01期

9 馮輔周;司愛(ài)威;饒國(guó)強(qiáng);江鵬程;;基于小波相關(guān)排列熵的軸承早期故障診斷技術(shù)[J];機(jī)械工程學(xué)報(bào);2012年13期

10 梅檢民;肖云魁;賈繼德;趙慧敏;陳祥龍;喬龍;;基于改進(jìn)階比的變速器微弱故障特征提取[J];振動(dòng)工程學(xué)報(bào);2012年03期

，

本文編號(hào)：2245180