基于WPT-GA-SVM的柴油機典型故障診斷研究.pdf

1、柴油機作為工程機械的動力源，廣泛應用于船舶，車輛，發(fā)電機組等領域。由于運行工況復雜，工作條件惡劣，很容易發(fā)生故障。對柴油機故障的處理方法，通常采用定期保養(yǎng)、檢修和事后維修等處理方法，但是這些方法通常缺乏事故預見能力，維修成本較高，效率卻很低，因此研究實用簡便的智能故障診斷方法十分必要。此外，由于對缸蓋振動信號的測量較為簡單方便，通過采集缸蓋振動信號對柴油機進行不解體故障診斷一直是廣大學者研究的熱點。由于缸蓋振動信號受多種激勵源影響，屬于

2、非平穩(wěn)非線性振動信號，故需要選擇合適的信號處理方法對缸蓋振動信號進行分析。
　　本文建立柴油機缸蓋振動信號實驗采集平臺。以WP10型號六缸柴油機為測試對象，采集柴油機在正常及不同故障狀態(tài)缸蓋振動信號作為測試樣本。研究小波包分析在缸蓋振動信號數(shù)據(jù)處理及特征提取中的應用，對柴油機正常狀態(tài)、進排氣門間隙故障、噴油提前角故障及供油量故障進行三層小波包分析。研究小波包分解的八個子頻帶的功率譜密度圖，確定柴油機不同故障的特征頻帶范圍。分析不同

3、故障特征頻帶最大奇異值分布，均方根值分布，偏度分布，峭度分布，并以此作為BP神經網絡，GA優(yōu)化BP神經網絡，支持向量機(SVM)及GA優(yōu)化SVM的輸入向量。分析不同輸入向量在柴油機單一故障與多故障中的分類準確度。
　　研究結果表明:對柴油機單一故障進行分類，采用BP神經網絡作為分類器，分類準確率達90％以上;采用GA-BP作為分類器，準確率達95％以上;采用SVM作為分類器，分類準確率達92％以上;采用GA-SVM作為分類器，準確