一种基于振动分析的柴油机故障诊断方法技术

一种基于振动分析的柴油机故障诊断方法：利用振动加速度传感器采集柴油机正常条件和故障条件下的振动信号；利用改进固有时间尺度分解对采集到的振动信号进行分解，生成若干个固有时间尺度分量和残差信号；计算各固有时间尺度分量的能量，按能量大小对各分量进行排序，选取累积能量大于原信号能量95％的前N个分量作为主要分量；计算各主要分量的峭度和波形因子作为故障特征；利用基于概率性输出的纠错编码方法构造多分类相关向量机模型进行故障诊断。本发明专利技术确定了峭度和波形因子两个敏感故障特征，提出了基于概率性输出的纠错编码相关向量机多分类模型，本发明专利技术可以准确的判别柴油机的工作状态，适用于柴油机故障诊断。

【技术实现步骤摘要】

本专利技术设及一种柴油机故障诊断方法。特别是设及一种基于振动分析的柴油机故 障诊断方法。
技术介绍
柴油机是一种重要的往复式动力机械，被广泛应用于工业、农业、军事、建筑、交通 运输等领域，在国民经济和人们日常生活中起着举足轻重的作用。一方面它能大大提高劳 动生产率，降低生产成本和能耗；另一方面如果某一部件出现故障，往往会引起整台设备的 擁痕，使整条生产线停产，造成巨大的经济损失甚至危及人身安全，因此开展柴油机故障诊 断研究对于提高柴油机的安全性和可靠性具有重要意义，同时蕴含着巨大的经济效益和社 会效益。 振动分析法由于其适应范围广、信号易获取和便于不解体在线监测等特点，在动 力机械故障诊断中得到了广泛的应用。但是柴油机振运动件多而复杂，边界条件有不确定 性，工作条件恶劣，激励众多且频率范围很广，各种激励经相应的传递及禪合均被反映在机 器的振动中，再加之噪声的融入，使得振动信号具有典型的非线性、非平稳特点。该些特点 限制了传统振动分析方法如：短时傅里叶变换、小波变换和魏格纳分布等方法在柴油机故 障诊断中的应用。近些年，W经验模态分解为代表的非平稳信号分析方法在柴油机故障诊 断中取得了不错的效果，得到了广泛的关注。但是该方法存的过包络、模态混淆、端点效应 W及由HUbed变换带来的无法解释的负频率等问题一直未得到妥善解决。固有时间尺度 分解是一种新的非平稳信号分析方法，它解决了经验模态分解的过包络、模态混淆等缺陷， 已经在非平稳脑电波信号的分析中得到了成功应用。但是由于柴油机振动信号更为复杂， 想要将固有时间尺度分解用于柴油机振动信号分析还需要对其平滑方法和端点效应等问 题的优化方法进行研究。 利用振动分析方法提取故障特征之后还需要模式识别方法对故障进行判别，应用 较广泛的模式识别方法包括神经网络、支持向量机等，但该些方法都不能给出概率性的输 出。基于贝叶斯理论的相关向量机方法很好的解决了该一问题，它可W给出概率性的输出 同时模型较为稀疏、计算速度快，非常适于在线诊断。相关向量机是针对二分类问题提出 的，而柴油机故障诊断是一个多分类问题。因此，需要对其多分类策略进行研究，从而将相 关向量机从二分类拓展到多分类。常用的多分类策略包括；一对一，一对多和纠错编码等， 其中一对一和一对多都可W看作纠错编码的特例。如何将相关向量机概率性输出与纠错编 码相结合是一个非常有意义的问题。
技术实现思路
本专利技术所要解决的技术问题是，提供一种能够准确分析非平稳振动信号，提取具 有代表性的故障特征，建立精确的相关向量机多分类模型的基于振动分析的柴油机故障诊 断方法。 本专利技术所采用的技术方案是；，包括如 下步骤： (1)利用振动加速度传感器采集柴油机正常条件和故障条件下的振动信号；[000引 （2)利用改进固有时间尺度分解对采集到的振动信号x(t)进行分解，生成若干个 固有时间尺度分量PRm(t)和残差信号U"(t)， (3)计算各固有时间尺度分量的能量，按能量大小对各分量进行排序，选取累积能 量大于原信号能量95%的前N个分量作为主要分量； (4)计算各主要分量的峭度和波形因子作为故障特征； (5)利用基于概率性输出的纠错编码方法构造多分类相关向量机模型进行故障诊 断。 步骤（2)中所述的改进固有时间尺度分解，是采用支持向量回归机解决算法的端 点效应问题。 步骤（2)中所述的改进固有时间尺度分解，是采用=次分段埃尔米特插值代替原 固有时间尺度分解算法中的线性插值对基线信号进行拟合。 步骤巧）中所述的利用基于概率性输出的纠错编码方法构造多分类相关向量机 模型进行故障诊断，包括W下步骤： 1)对于给定的k分类问题，利用一对一方法建立纠错编码矩阵Mkxm，其中m= kX化-l)/2代表二分类器个数，矩阵的每一行为一个类别的编码； 2)根据纠错编码矩阵Mkxm的每一列建立二分类相关向量机模型，并利用相应的故 障特征对其进行训练；[001引 3)将未知样本输入各二分类相关向量机模型，得到概率性输出向量P(x)= 如(X)，口2 (X)，…，Pm(X)); 4)计算概率性输出向量P(x)与纠错编码矩阵每一个行向量Mi的海明距离，其中 i= 1，2,…，k，选择海明距离值最大的行向量所对应的类别作为未知样本的类别。 利用支持向量回归机对原数据进行延拓保证信号两端各多出一个极值点，利用极 值点拟合基线信号并抛弃信号两端延拓出的新数据。 本专利技术的，对固有时间尺度分解的端点 效应和差值方法进行了改进，为特征提取奠定了良好的基础，确定了峭度和波形因子两个 敏感故障特征，提出了基于概率性输出的纠错编码相关向量机多分类模型，本专利技术可W准 确的判别柴油机的工作状态，适用于柴油机故障诊断。【附图说明】 图1是本专利技术提出的故障诊断方法基本流程图； 图2是故障试验系统图； 图中； 1 ;测功机；2 ;连接轴；3 ;柴油机；4 ;加速度传感器；5 ;脉冲传感器；6 ;数据采集卡；7 ;计算机；8 ;试验台基座；9 ;万向节；10 ;飞轮盘；图3a是柴油机正常状态振动信号；[002引图3b是柴油机进气口间隙大故障振动信号； 图3c是柴油机排口间隙大故障振动信号； 图3d是柴油机滤清器堵塞故障振动信号； 图3e是柴油机第六缸失火故障振动信号； 图4是柴油机进气口间隙大故障振动信号经过改进固有时间尺度分解后得到的 固有时间尺度分量和残差信号；【具体实施方式】 下面结合实施例和附图对本专利技术的做 出详细说明。 本专利技术的，包括如下步骤： (1)利用振动加速度传感器采集柴油机正常条件和故障条件下的振动信号； (2)固有时间尺度分解是一种新的非平稳信号分析方法，它可W将复杂信号自适 应的分解成若干个固有时间尺度分量和残差信号之和，在脑电波信号的分析中得到了成功 应用。但是用于处理复杂振动信号时，算法的端点处的极值点处理问题W及线性插值精度 较低的问题，往往会使分解得到的的固有时间尺度分量与真实成分误差较大。因此，首先要 利用改进固有时间尺度分解对采集到的振动信号x(t)进行分解，生成若干个固有时间尺 度分量PRm(t)和残差信号U"(t)，[003引所述的改进固有时间尺度分解，是采用支持向量回归机解决算法的端点效应问 题，具体是利用支持向量回归机对原数据进行延拓保证信号两端各多出一个极值点，利用 极值点拟合基线信号并抛弃信号两端延拓出的新数据。 同时，还要采用=次分段埃尔米特插值代替原固有时间尺度分解算法中的线性插 值对基线信号进行拟合。 (3)由于故障信息往往包含在能量较大的几个固有时间尺度分量中，所W计算各 固有时间尺度分量的能量，按能量大小对各分量进行排序，选取累积能量大于原信号能量 95%的前N个分量作为主要分量； (4)当柴油机出现故障时其振动信号不同频段的时域波形会发生明显变化，因此 计算各个主要分量的峭度和波形因子两个典型时域参数作为故当前第1页1 2 本文档来自技高网...

【技术保护点】
一种基于振动分析的柴油机故障诊断方法，其特征在于，包括如下步骤：(1)利用振动加速度传感器采集柴油机正常条件和故障条件下的振动信号；(2)利用改进固有时间尺度分解对采集到的振动信号x(t)进行分解，生成若干个固有时间尺度分量PRm(t)和残差信号un(t)，x(t)=Σm=1nPRm(t)+un(t);]]>(3)计算各固有时间尺度分量的能量，按能量大小对各分量进行排序，选取累积能量大于原信号能量95％的前N个分量作为主要分量；(4)计算各主要分量的峭度和波形因子作为故障特征；(5)利用基于概率性输出的纠错编码方法构造多分类相关向量机模型进行故障诊断。

【技术特征摘要】

【专利技术属性】
技术研发人员：刘昱，张俊红，何文运，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12