文献类型：期刊文章

作　　者：张宇飞[1] 么子云[1] 唐松林[2] 朱丽娜[1] 张进杰[1]

机构地区：[1]北京化工大学高端机械装备健康监控与自愈化北京市重点实验室,北京100029 [2]中石油云南石化有限公司,昆明650011

出　　处：《中国机械工程》

基　　金：国家重点基础研究发展计划(973计划)资助项目(2012CB026005);国家高技术研究发展计划(863计划)资助项目(2014AA041806);中央高校基本科研业务费专项资金资助项目(JD1506)

年　　份：2016

卷　　号：27

期　　号：24

起止页码：3307-3311

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：提出一种新型的基于主成分分析(PCA)和支持向量机(SVM)的故障诊断方法。首先提取振动信号的多项时域指标,并利用小波包分解提取频域特征;再利用PCA从提取的时域、频域特征中选取敏感特征,实现降维处理,减小数据处理复杂度;最后利用SVM进行特征子集的训练和测试,实现故障分离。该方法在柴油机的失火、撞缸、小头瓦磨损等典型实际故障中的诊断准确率高达98%,证实了该方法的有效性。

关 键 词：发动机 故障诊断 特征提取 小波包分解 主成分分析 支持向量机

分 类 号：TP206.3]