论文摘要
不同负荷状态下的柴油机振动、温度、转速等信号显著不同,而机组故障信号特征往往被淹没在随负荷变化而剧烈变化的信号中,因此变负荷状态下的柴油机故障监测诊断难度较大,一直困扰着柴油机的实际故障诊断工作。提出一种基于流形学习和KNN算法的柴油机工况识别方法,为柴油机变负荷工况下故障监测预警打下基础。方法融合机组的多源信号特征构建特征向量,通过流形学习t-分布邻域嵌入算法（t-SNE）实现特征向量的维数约简和敏感特征提取,采用K最近邻分类算法（KNN）完成柴油机运行负荷状态的自动分类。正常及故障状态下多组柴油机监测数据的处理结果验证了方法的有效性和实用性。
论文目录
文章来源
类型: 期刊论文
作者: 江志农,赵南洋,夏敏,赵飞松,高佳丽,张进杰
关键词: 振动与波,柴油机,变负荷,流形学习,敏感特征
来源: 噪声与振动控制 2019年03期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 动力工程
单位: 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,中石化重庆天然气管道有限责任公司,北京化工大学压缩机技术国家重点实验室压缩机健康智能监控中心
基金: 国家“863”计划资助项目(2014AA041806),国家重点研发计划资助项目(2016YFF0203305),中央高校基本科研业务费专项资金资助项目(JD1815),双一流建设专项经费资助项目(ZD1601)
分类号: TK428
页码: 1-6
总页数: 6
文件大小: 1663K
下载量: 206