基于EEMD和SVM聯(lián)合診斷的發(fā)動機(jī)故障分析.pdf

1、發(fā)動機(jī)作為汽車的動力源，其工作條件惡劣、故障率高。在日常使用中，氣門間隙異常和點(diǎn)火系異常是發(fā)動機(jī)最常見的故障，氣門間隙異常將影響發(fā)動機(jī)的進(jìn)排氣效果、動力性和排放性等指標(biāo)；而發(fā)動機(jī)點(diǎn)火系異常將直接使發(fā)動機(jī)喪失工作能力。發(fā)動機(jī)缸蓋表面振動信號的測量方便快捷，振動、沖擊和噪聲信號包含豐富的信息，可以實(shí)時(shí)地反映發(fā)動機(jī)的工作狀態(tài)，本課題從發(fā)動機(jī)缸蓋振動信號入手，針對故障診斷的兩大核心環(huán)節(jié)——特征向量提取和故障狀態(tài)識別，針對氣門間隙異常和點(diǎn)火系異常

2、的故障，分析探討了運(yùn)用總體平均經(jīng)驗(yàn)?zāi)B(tài)分解（EEMD）和支持向量機(jī)（SVM）聯(lián)合診斷的發(fā)動機(jī)故障分析方法。
　　在信號分析理論的基礎(chǔ)上，對特征模態(tài)函數(shù)的相關(guān)系數(shù)法的計(jì)算過程進(jìn)行了推導(dǎo)，并運(yùn)用此方法對仿真信號進(jìn)行了特征向量提取，驗(yàn)證了此方法的有效性。以DA462型汽油發(fā)動機(jī)為研究對象，建立了發(fā)動機(jī)振動信號采集測試系統(tǒng)。人為模擬發(fā)動機(jī)氣門間隙及缺火故障等8種工況，采集了各工況對應(yīng)的一、四缸缸蓋振動信號，并將采集的信號分為訓(xùn)練樣本集和測

3、試樣本集。進(jìn)行總體平均經(jīng)驗(yàn)?zāi)B(tài)分解，得到各階特征模態(tài)函數(shù)；隨后運(yùn)用相關(guān)系數(shù)法分別求取基于一、四缸振動信號的特征向量，將一缸振動信號的特征向量作為故障特征向量，建立用于發(fā)動機(jī)振動信號故障識別的BP神經(jīng)網(wǎng)絡(luò)、默認(rèn)參數(shù)的SVM、交叉尋優(yōu)的SVM、粒子群優(yōu)化算法的SVM模型，得到測試集分類結(jié)果；將一、四缸振動信號的特征向量分別導(dǎo)入到四種故障識別分類器中，建立分類模型并得到測試集分類結(jié)果。
　　對比兩種方法的分類結(jié)果及用時(shí)，結(jié)果表明，應(yīng)用E