基于优选小波包和PSO-SVM的失火故障诊断

论文摘要

小波包变换在柴油机故障特征提取中应用广泛,其中,小波包基函数的选取对特征提取性能的影响至关重要。基于此提出了1种优选小波包和粒子群优化支持向量机（PSO-SVM）的失火诊断方法。首先,选择5种不同类型的离散小波包基函数分别对缸盖振动信号进行小波包多层分解;然后,计算缸盖振动信号的小波包能量与信息熵的比值,从中选择比值最大的小波包基函数作为最优的小波包基函数;进一步,采用最优小波包基函数分解缸盖振动信号并提取小波包频带能量概率密度作为特征向量,以及构造故障诊断特征集;最终,将故障诊断特征集输送到粒子群优化支持向量机中进行柴油机失火诊断识别。实验结果表明,利用最优小波包基函数提取特征具有良好的效果,同时PSO-SVM的识别准确率达到97.5%,说明了优选小波包和PSO-SVM的诊断方法是可行且有效的。

论文目录

• 1 基本理论
•   1.1 信息熵原理
•   1.2 粒子群算法优化支持向量机
• 2 小波包基函数的选取及特征提取
• 3 失火故障诊断模型
• 4 实例验证
•   4.1 实验数据采集
•   4.2 实验数据分析和处理
• 5 结 论

文章来源

类型: 期刊论文

作者: 韩佳佳,贾继德,梅检民,任刚,贾翔宇

关键词: 失火故障,小波包分析,信息熵,粒子群算法,支持向量机

来源: 机械设计与研究 2019年02期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 汽车工业

单位: 陆军军事交通学院研究生队,厦门工学院机械与制造工程学院,陆军军事交通学院,陆军军事交通学院汽车士官学校

基金: 陆军装备部重点资助项目(WG2015JJ010008)

分类号: U472.9

DOI: 10.13952/j.cnki.jofmdr.2019.0161

页码: 137-141

总页数: 5

文件大小: 1340K

下载量: 114