基于优化VMD与欧氏距离的柴油机故障识别

作者：张海龙; 宋业栋; 李鑫; 毕凤荣; 毕晓博; 汤代杰; 杨晓; 马腾

来源：振动.测试与诊断, 2020, 40(05): 911-1023.

DOI：10.16450/j.cnki.issn.1004-6801.2020.05.012

• 柴油机
• 故障诊断
• 振动信号
• 变分模式分解
• 信号处理

为实现利用单一通道信号通过同一方法区分多种发动机故障的目的,笔者对现有算法进行了优化以提取振动信号中的故障特征。首先,针对变分模式分解(variational mode decomposition,简称VMD)的分解层数选择困难问题,文中以几种不同类型故障的频率特征为基础,优化了其中心频率迭代初始值,在保证准确性的前提下提高了算法的计算效率与简便性;然后,利用鲁棒性独立分量分析(Robust independent component analysis,简称Robust ICA)对VMD处理结果再次分解,分析发动机中可能存在的不同振源的同频率信号,并将两个阶段分解结果重构信号的四阶累积量作为故障判定指标。结果表明:以模糊C均值聚类(fuzzy C-means clustering,简称FCM)确定的聚类中心为参考点,利用各个工况点与喷油故障聚类中心的欧氏距离区分故障类型,取得了较高的正确率。

• 单位
  潍柴动力股份有限公司; 内燃机燃烧学国家重点实验室; 天津大学