基于Wigner分布和分形维数的柴油机故障诊断
发布时间：2021-02-06 03:49
针对柴油机配气机构故障诊断问题,提出了一种基于Wigner分布和差分分形盒维数的故障诊断方法。首先,利用改进局部均值分解算法对柴油机缸盖振动信号进行分解,并采用相关性分析剔除噪声和伪分量;然后,分别对各相关分量进行Wigner时频分析,将结果线性叠加得到振动时频图,再提取图像的差分分形盒维数作为故障特征;最后,利用k-最近邻（k-NN）实现故障诊断。仿真结果表明,改进局部均值分解算法可以抑制Wigner分布交叉项的干扰。实验结果显示,差分分形盒维数优于其他6种典型故障特征,利用本研究提出的方法对配气机构进行故障诊断的正确率为97.2%,该方法可以用于柴油机配气机构故障诊断。
【文章来源】：振动.测试与诊断. 2016,36(02)北大核心
【文章页数】：8 页
【部分图文】：
图１仿真信号改进ＬＭＤ算法分解结果Ｆｉｇ．１ＩｍｐｒｏｖｅｄＬＭＤｄｅｃｏｍｐｏｓｉｔｉｏｎｏｆｓｉｍｕｌａｔｉｏｎｓｉｇ－ｎａｌ表１各ＰＦ分量与仿真信号ｘ（ｔ）的相关系数Ｔａｂ．１Ｔｈｅｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｗｉｔｈｓｉｍｕｌａｔｉｏｎｓｉｇｎａｌｘ（ｔ）
图２ＰＦ１，ＰＦ２，ＰＦ５分量自相关系数Ｆｉｇ．２ＡｕｔｏｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｏｆＰＦ１，ＰＦ２ａｎｄＰＦ５分别计算分量ＰＦ３和ＰＦ４的Ｗｉｇｎｅｒ分布并进行线性叠加，得到仿真信号ｘ（ｔ）的Ｗｉｇｎｅｒ分布，如图３所示，其中高频成分对应１２０Ｈｚ的正弦信号ｘ１，低频成分对应以３０Ｈｚ为中心的调频信号ｘ２，其幅值无量纲。图３仿真信号Ｗｉｇｎｅｒ分布（笔者方法）Ｆｉｇ．３Ｗｉｇｎｅｒｄｉｓｔｒｉｂｕｔｉｏｎｏｆｓｉｍｕｌａｔｉｏｎｓｉｇｎａｌ（ｍｅｔｈｏｄｏｆｔｈｉｓａｒｔｉｃｌｅ）为了与笔者提出的方法进行对比，分别利用原Ｗｉｇｎｅｒ分布和平滑伪Ｗｉｇｎｅｒ分布计算仿真信号ｘ（ｔ）的时频分布，如图４，５所示。图４仿真信号Ｗｉｇｎｅｒ分布（原方法）Ｆｉｇ．４Ｗｉｇｎｅｒｄｉｓｔｒｉｂｕｔｉｏｎｏｆｓｉｍｕｌａｔｉｏｎｓｉｇｎａｌ（ｏｒｉｇｉｎａｌｍｅｔｈｏｄ）图５仿真信号平滑伪Ｗｉｇｎｅｒ分布Ｆｉｇ．５Ｐｓｅｕｄｏ－Ｗｉｇｎｅｒｄｉｓｔｒｉｂｕｔｉｏｎｏｆｓｉｍｕｌａｔｉｏｎｓｉｇｎａｌ从图４，５中可以看出，原Ｗｉｇｎｅｒ分布存在着以７５Ｈｚ为中心的交叉项且幅值较大，平滑伪Ｗｉｇｎｅｒ分布可以在一定程度降低交叉项的干扰，但图像的时频聚集性明显变差，当处理复杂信号时，将使整个时频分布丧失物理意义。通过对比不难发现，本研究所提出的方法不仅可以消除交叉项的干扰，还可以确保图像的时频聚集性。３差分分形盒维数柴油机振动信号具有典型的非线性、非平稳特
Ｗｉｇｎｅｒ分布，如图３所示，其中高频成分对应１２０Ｈｚ的正弦信号ｘ１，低频成分对应以３０Ｈｚ为中心的调频信号ｘ２，其幅值无量纲。图３仿真信号Ｗｉｇｎｅｒ分布（笔者方法）Ｆｉｇ．３Ｗｉｇｎｅｒｄｉｓｔｒｉｂｕｔｉｏｎｏｆｓｉｍｕｌａｔｉｏｎｓｉｇｎａｌ（ｍｅｔｈｏｄｏｆｔｈｉｓａｒｔｉｃｌｅ）为了与笔者提出的方法进行对比，分别利用原Ｗｉｇｎｅｒ分布和平滑伪Ｗｉｇｎｅｒ分布计算仿真信号ｘ（ｔ）的时频分布，如图４，５所示。图４仿真信号Ｗｉｇｎｅｒ分布（原方法）Ｆｉｇ．４Ｗｉｇｎｅｒｄｉｓｔｒｉｂｕｔｉｏｎｏｆｓｉｍｕｌａｔｉｏｎｓｉｇｎａｌ（ｏｒｉｇｉｎａｌｍｅｔｈｏｄ）图５仿真信号平滑伪Ｗｉｇｎｅｒ分布Ｆｉｇ．５Ｐｓｅｕｄｏ－Ｗｉｇｎｅｒｄｉｓｔｒｉｂｕｔｉｏｎｏｆｓｉｍｕｌａｔｉｏｎｓｉｇｎａｌ从图４，５中可以看出，原Ｗｉｇｎｅｒ分布存在着以７５Ｈｚ为中心的交叉项且幅值较大，平滑伪Ｗｉｇｎｅｒ分布可以在一定程度降低交叉项的干扰，但图像的时频聚集性明显变差，当处理复杂信号时，将使整个时频分布丧失物理意义。通过对比不难发现，本研究所提出的方法不仅可以消除交叉项的干扰，还可以确保图像的时频聚集性。３差分分形盒维数柴油机振动信号具有典型的非线性、非平稳特点，分形维数是描述动力系统非线性行为的重要特征。在故障诊断中，文献［１４－１５］首先利用信号分解技术对振动信号进行分解，然后提取分解后各分量的分形维数作为故障特征并取得了不错的效果，但由于需要多次求取分形维数，算法计算量较大。针对这一问题，本研究直接计算振动时
【参考文献】：
期刊论文
[1]基于改进EMD和谱峭度法滚动轴承故障特征提取[J]. 张志刚,石晓辉,施全,汤宝平. 振动.测试与诊断. 2013(03)
[2]基于EEMD和形态学分形维数的柴油机故障诊断[J]. 王凤利,段树林,于洪亮,李宏坤. 内燃机学报. 2012(06)
[3]基于LMD和SVM的柴油机气门故障诊断[J]. 张俊红,刘昱,毕凤荣,林杰威,马文朋,马梁. 内燃机学报. 2012(05)
[4]基于振动谱时频图像特征及SVM参数同步优化识别的内燃机故障诊断[J]. 蔡艳平,李艾华,何艳萍,王涛,王新军,冯国彦. 内燃机学报. 2012(04)
[5]基于重分配魏格纳时频谱和SVD的故障诊断[J]. 汤宝平,蒋永华,姚金宝. 振动.测试与诊断. 2012(02)
[6]基于混沌理论与SVM的内燃机振动信号趋势预测[J]. 冯广斌,吴震宇,袁惠群. 振动.测试与诊断. 2011(01)
[7]运用HHT边际谱的柴油机故障诊断[J]. 王醇涛,陆金铭. 振动.测试与诊断. 2010(04)
[8]遗传算法在气门机构故障诊断中的应用[J]. 商斌梁,夏勇,张振仁,薛模根. 内燃机学报. 2000(04)
博士论文
[1]柴油机振动信号特征提取与故障诊断方法研究[D]. 李敏通.西北农林科技大学 2012
本文编号：3020098
【文章来源】：振动.测试与诊断. 2016,36(02)北大核心
【文章页数】：8 页
【部分图文】：
图１仿真信号改进ＬＭＤ算法分解结果Ｆｉｇ．１ＩｍｐｒｏｖｅｄＬＭＤｄｅｃｏｍｐｏｓｉｔｉｏｎｏｆｓｉｍｕｌａｔｉｏｎｓｉｇ－ｎａｌ表１各ＰＦ分量与仿真信号ｘ（ｔ）的相关系数Ｔａｂ．１Ｔｈｅｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｗｉｔｈｓｉｍｕｌａｔｉｏｎｓｉｇｎａｌｘ（ｔ）
图２ＰＦ１，ＰＦ２，ＰＦ５分量自相关系数Ｆｉｇ．２ＡｕｔｏｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｏｆＰＦ１，ＰＦ２ａｎｄＰＦ５分别计算分量ＰＦ３和ＰＦ４的Ｗｉｇｎｅｒ分布并进行线性叠加，得到仿真信号ｘ（ｔ）的Ｗｉｇｎｅｒ分布，如图３所示，其中高频成分对应１２０Ｈｚ的正弦信号ｘ１，低频成分对应以３０Ｈｚ为中心的调频信号ｘ２，其幅值无量纲。图３仿真信号Ｗｉｇｎｅｒ分布（笔者方法）Ｆｉｇ．３Ｗｉｇｎｅｒｄｉｓｔｒｉｂｕｔｉｏｎｏｆｓｉｍｕｌａｔｉｏｎｓｉｇｎａｌ（ｍｅｔｈｏｄｏｆｔｈｉｓａｒｔｉｃｌｅ）为了与笔者提出的方法进行对比，分别利用原Ｗｉｇｎｅｒ分布和平滑伪Ｗｉｇｎｅｒ分布计算仿真信号ｘ（ｔ）的时频分布，如图４，５所示。图４仿真信号Ｗｉｇｎｅｒ分布（原方法）Ｆｉｇ．４Ｗｉｇｎｅｒｄｉｓｔｒｉｂｕｔｉｏｎｏｆｓｉｍｕｌａｔｉｏｎｓｉｇｎａｌ（ｏｒｉｇｉｎａｌｍｅｔｈｏｄ）图５仿真信号平滑伪Ｗｉｇｎｅｒ分布Ｆｉｇ．５Ｐｓｅｕｄｏ－Ｗｉｇｎｅｒｄｉｓｔｒｉｂｕｔｉｏｎｏｆｓｉｍｕｌａｔｉｏｎｓｉｇｎａｌ从图４，５中可以看出，原Ｗｉｇｎｅｒ分布存在着以７５Ｈｚ为中心的交叉项且幅值较大，平滑伪Ｗｉｇｎｅｒ分布可以在一定程度降低交叉项的干扰，但图像的时频聚集性明显变差，当处理复杂信号时，将使整个时频分布丧失物理意义。通过对比不难发现，本研究所提出的方法不仅可以消除交叉项的干扰，还可以确保图像的时频聚集性。３差分分形盒维数柴油机振动信号具有典型的非线性、非平稳特
Ｗｉｇｎｅｒ分布，如图３所示，其中高频成分对应１２０Ｈｚ的正弦信号ｘ１，低频成分对应以３０Ｈｚ为中心的调频信号ｘ２，其幅值无量纲。图３仿真信号Ｗｉｇｎｅｒ分布（笔者方法）Ｆｉｇ．３Ｗｉｇｎｅｒｄｉｓｔｒｉｂｕｔｉｏｎｏｆｓｉｍｕｌａｔｉｏｎｓｉｇｎａｌ（ｍｅｔｈｏｄｏｆｔｈｉｓａｒｔｉｃｌｅ）为了与笔者提出的方法进行对比，分别利用原Ｗｉｇｎｅｒ分布和平滑伪Ｗｉｇｎｅｒ分布计算仿真信号ｘ（ｔ）的时频分布，如图４，５所示。图４仿真信号Ｗｉｇｎｅｒ分布（原方法）Ｆｉｇ．４Ｗｉｇｎｅｒｄｉｓｔｒｉｂｕｔｉｏｎｏｆｓｉｍｕｌａｔｉｏｎｓｉｇｎａｌ（ｏｒｉｇｉｎａｌｍｅｔｈｏｄ）图５仿真信号平滑伪Ｗｉｇｎｅｒ分布Ｆｉｇ．５Ｐｓｅｕｄｏ－Ｗｉｇｎｅｒｄｉｓｔｒｉｂｕｔｉｏｎｏｆｓｉｍｕｌａｔｉｏｎｓｉｇｎａｌ从图４，５中可以看出，原Ｗｉｇｎｅｒ分布存在着以７５Ｈｚ为中心的交叉项且幅值较大，平滑伪Ｗｉｇｎｅｒ分布可以在一定程度降低交叉项的干扰，但图像的时频聚集性明显变差，当处理复杂信号时，将使整个时频分布丧失物理意义。通过对比不难发现，本研究所提出的方法不仅可以消除交叉项的干扰，还可以确保图像的时频聚集性。３差分分形盒维数柴油机振动信号具有典型的非线性、非平稳特点，分形维数是描述动力系统非线性行为的重要特征。在故障诊断中，文献［１４－１５］首先利用信号分解技术对振动信号进行分解，然后提取分解后各分量的分形维数作为故障特征并取得了不错的效果，但由于需要多次求取分形维数，算法计算量较大。针对这一问题，本研究直接计算振动时
【参考文献】：
期刊论文
[1]基于改进EMD和谱峭度法滚动轴承故障特征提取[J]. 张志刚,石晓辉,施全,汤宝平. 振动.测试与诊断. 2013(03)
[2]基于EEMD和形态学分形维数的柴油机故障诊断[J]. 王凤利,段树林,于洪亮,李宏坤. 内燃机学报. 2012(06)
[3]基于LMD和SVM的柴油机气门故障诊断[J]. 张俊红,刘昱,毕凤荣,林杰威,马文朋,马梁. 内燃机学报. 2012(05)
[4]基于振动谱时频图像特征及SVM参数同步优化识别的内燃机故障诊断[J]. 蔡艳平,李艾华,何艳萍,王涛,王新军,冯国彦. 内燃机学报. 2012(04)
[5]基于重分配魏格纳时频谱和SVD的故障诊断[J]. 汤宝平,蒋永华,姚金宝. 振动.测试与诊断. 2012(02)
[6]基于混沌理论与SVM的内燃机振动信号趋势预测[J]. 冯广斌,吴震宇,袁惠群. 振动.测试与诊断. 2011(01)
[7]运用HHT边际谱的柴油机故障诊断[J]. 王醇涛,陆金铭. 振动.测试与诊断. 2010(04)
[8]遗传算法在气门机构故障诊断中的应用[J]. 商斌梁,夏勇,张振仁,薛模根. 内燃机学报. 2000(04)
博士论文
[1]柴油机振动信号特征提取与故障诊断方法研究[D]. 李敏通.西北农林科技大学 2012
本文编号：3020098
本文链接：https://www.wllwen.com/kejilunwen/dongligc/3020098.html
