針對柴油機(jī)配氣機(jī)構(gòu)故障診斷問題,提出了一種基于Wigner分布和差分分形盒維數(shù)的故障診斷方法。首先,利用改進(jìn)局部均值分解算法對柴油機(jī)缸蓋振動信號進(jìn)行分解,并采用相關(guān)性分析剔除噪聲和偽分量;然后,分別對各相關(guān)分量進(jìn)行Wigner時頻分析,將結(jié)果線性疊加得到振動時頻圖,再提取圖像的差分分形盒維數(shù)作為故障特征;最后,利用k-最近鄰（k-NN）實(shí)現(xiàn)故障診斷。仿真結(jié)果表明,改進(jìn)局部均值分解算法可以抑制Wigner分布交叉項(xiàng)的干擾。實(shí)驗(yàn)結(jié)果顯示,差分分形盒維數(shù)優(yōu)于其他6種典型故障特征,利用本研究提出的方法對配氣機(jī)構(gòu)進(jìn)行故障診斷的正確率為97.2%,該方法可以用于柴油機(jī)配氣機(jī)構(gòu)故障診斷。 

【文章來源】：振動.測試與診斷. 2016,36(02)北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

圖１仿真信號改進(jìn)ＬＭＤ算法分解結(jié)果Ｆｉｇ．１ＩｍｐｒｏｖｅｄＬＭＤｄｅｃｏｍｐｏｓｉｔｉｏｎｏｆｓｉｍｕｌａｔｉｏｎｓｉｇ－ｎａｌ表１各ＰＦ分量與仿真信號ｘ（ｔ）的相關(guān)系數(shù)Ｔａｂ．１Ｔｈｅｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｗｉｔｈｓｉｍｕｌａｔｉｏｎｓｉｇｎａｌｘ（ｔ）

圖２ＰＦ１，ＰＦ２，ＰＦ５分量自相關(guān)系數(shù)Ｆｉｇ．２ＡｕｔｏｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｏｆＰＦ１，ＰＦ２ａｎｄＰＦ５分別計(jì)算分量ＰＦ３和ＰＦ４的Ｗｉｇｎｅｒ分布并進(jìn)行線性疊加，得到仿真信號ｘ（ｔ）的Ｗｉｇｎｅｒ分布，如圖３所示，其中高頻成分對應(yīng)１２０Ｈｚ的正弦信號ｘ１，低頻成分對應(yīng)以３０Ｈｚ為中心的調(diào)頻信號ｘ２，其幅值無量綱。圖３仿真信號Ｗｉｇｎｅｒ分布（筆者方法）Ｆｉｇ．３Ｗｉｇｎｅｒｄｉｓｔｒｉｂｕｔｉｏｎｏｆｓｉｍｕｌａｔｉｏｎｓｉｇｎａｌ（ｍｅｔｈｏｄｏｆｔｈｉｓａｒｔｉｃｌｅ）為了與筆者提出的方法進(jìn)行對比，分別利用原Ｗｉｇｎｅｒ分布和平滑偽Ｗｉｇｎｅｒ分布計(jì)算仿真信號ｘ（ｔ）的時頻分布，如圖４，５所示。圖４仿真信號Ｗｉｇｎｅｒ分布（原方法）Ｆｉｇ．４Ｗｉｇｎｅｒｄｉｓｔｒｉｂｕｔｉｏｎｏｆｓｉｍｕｌａｔｉｏｎｓｉｇｎａｌ（ｏｒｉｇｉｎａｌｍｅｔｈｏｄ）圖５仿真信號平滑偽Ｗｉｇｎｅｒ分布Ｆｉｇ．５Ｐｓｅｕｄｏ－Ｗｉｇｎｅｒｄｉｓｔｒｉｂｕｔｉｏｎｏｆｓｉｍｕｌａｔｉｏｎｓｉｇｎａｌ從圖４，５中可以看出，原Ｗｉｇｎｅｒ分布存在著以７５Ｈｚ為中心的交叉項(xiàng)且幅值較大，平滑偽Ｗｉｇｎｅｒ分布可以在一定程度降低交叉項(xiàng)的干擾，但圖像的時頻聚集性明顯變差，當(dāng)處理復(fù)雜信號時，將使整個時頻分布喪失物理意義。通過對比不難發(fā)現(xiàn)，本研究所提出的方法不僅可以消除交叉項(xiàng)的干擾，還可以確保圖像的時頻聚集性。３差分分形盒維數(shù)柴油機(jī)振動信號具有典型的非線性、非平穩(wěn)特

Ｗｉｇｎｅｒ分布，如圖３所示，其中高頻成分對應(yīng)１２０Ｈｚ的正弦信號ｘ１，低頻成分對應(yīng)以３０Ｈｚ為中心的調(diào)頻信號ｘ２，其幅值無量綱。圖３仿真信號Ｗｉｇｎｅｒ分布（筆者方法）Ｆｉｇ．３Ｗｉｇｎｅｒｄｉｓｔｒｉｂｕｔｉｏｎｏｆｓｉｍｕｌａｔｉｏｎｓｉｇｎａｌ（ｍｅｔｈｏｄｏｆｔｈｉｓａｒｔｉｃｌｅ）為了與筆者提出的方法進(jìn)行對比，分別利用原Ｗｉｇｎｅｒ分布和平滑偽Ｗｉｇｎｅｒ分布計(jì)算仿真信號ｘ（ｔ）的時頻分布，如圖４，５所示。圖４仿真信號Ｗｉｇｎｅｒ分布（原方法）Ｆｉｇ．４Ｗｉｇｎｅｒｄｉｓｔｒｉｂｕｔｉｏｎｏｆｓｉｍｕｌａｔｉｏｎｓｉｇｎａｌ（ｏｒｉｇｉｎａｌｍｅｔｈｏｄ）圖５仿真信號平滑偽Ｗｉｇｎｅｒ分布Ｆｉｇ．５Ｐｓｅｕｄｏ－Ｗｉｇｎｅｒｄｉｓｔｒｉｂｕｔｉｏｎｏｆｓｉｍｕｌａｔｉｏｎｓｉｇｎａｌ從圖４，５中可以看出，原Ｗｉｇｎｅｒ分布存在著以７５Ｈｚ為中心的交叉項(xiàng)且幅值較大，平滑偽Ｗｉｇｎｅｒ分布可以在一定程度降低交叉項(xiàng)的干擾，但圖像的時頻聚集性明顯變差，當(dāng)處理復(fù)雜信號時，將使整個時頻分布喪失物理意義。通過對比不難發(fā)現(xiàn)，本研究所提出的方法不僅可以消除交叉項(xiàng)的干擾，還可以確保圖像的時頻聚集性。３差分分形盒維數(shù)柴油機(jī)振動信號具有典型的非線性、非平穩(wěn)特點(diǎn)，分形維數(shù)是描述動力系統(tǒng)非線性行為的重要特征。在故障診斷中，文獻(xiàn)［１４－１５］首先利用信號分解技術(shù)對振動信號進(jìn)行分解，然后提取分解后各分量的分形維數(shù)作為故障特征并取得了不錯的效果，但由于需要多次求取分形維數(shù)，算法計(jì)算量較大。針對這一問題，本研究直接計(jì)算振動時

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)EMD和譜峭度法滾動軸承故障特征提取[J]. 張志剛,石曉輝,施全,湯寶平.  振動.測試與診斷. 2013(03)
[2]基于EEMD和形態(tài)學(xué)分形維數(shù)的柴油機(jī)故障診斷[J]. 王鳳利,段樹林,于洪亮,李宏坤.  內(nèi)燃機(jī)學(xué)報(bào). 2012(06)
[3]基于LMD和SVM的柴油機(jī)氣門故障診斷[J]. 張俊紅,劉昱,畢鳳榮,林杰威,馬文朋,馬梁.  內(nèi)燃機(jī)學(xué)報(bào). 2012(05)
[4]基于振動譜時頻圖像特征及SVM參數(shù)同步優(yōu)化識別的內(nèi)燃機(jī)故障診斷[J]. 蔡艷平,李艾華,何艷萍,王濤,王新軍,馮國彥.  內(nèi)燃機(jī)學(xué)報(bào). 2012(04)
[5]基于重分配魏格納時頻譜和SVD的故障診斷[J]. 湯寶平,蔣永華,姚金寶.  振動.測試與診斷. 2012(02)
[6]基于混沌理論與SVM的內(nèi)燃機(jī)振動信號趨勢預(yù)測[J]. 馮廣斌,吳震宇,袁惠群.  振動.測試與診斷. 2011(01)
[7]運(yùn)用HHT邊際譜的柴油機(jī)故障診斷[J]. 王醇濤,陸金銘.  振動.測試與診斷. 2010(04)
[8]遺傳算法在氣門機(jī)構(gòu)故障診斷中的應(yīng)用[J]. 商斌梁,夏勇,張振仁,薛模根.  內(nèi)燃機(jī)學(xué)報(bào). 2000(04)

博士論文
[1]柴油機(jī)振動信號特征提取與故障診斷方法研究[D]. 李敏通.西北農(nóng)林科技大學(xué) 2012



本文編號：3020098