内燃机KVMD-MHD振动谱图表征与TD-2DPCA编码诊断方法研究

作者：岳应娟; 孙钢; 蔡艳平; 王旭; 牟伟杰

来源：振动工程学报, 2017, 30(04): 688-696.

DOI：10.16385/j.cnki.issn.1004-4523.2017.04.021

• 故障诊断
• 内燃机
• 时频分布
• 特征提取
• 双向二维主成分分析

为了直接对内燃机振动谱图像进行诊断识别,提出一种基于改进变分模态分解(VMD)、Margenau-Hill(MHD)时频分析与双向二维主成分分析(Two-directional,Two-dimensional PCA,TD-2DPCA)的内燃机振动谱图像识别诊断方法。该方法首先针对VMD分解过程中的层数选取问题,提出了一种中心频率筛选的VMD分解层数改进方法(KVMD),然后将内燃机振动信号利用KVMD分解成一组单分量模态信号,并对生成的各个单分量信号进行MHD处理后表征成振动谱图像;在此基础上,对生成的内燃机KVMD-MHD振动谱图像采用双向二维主成分分析形成编码矩阵,并采用最近邻分类器(KNNC)对上述编码矩阵直接进行模式识别,以实现内燃机振动谱图像的自动诊断。最后,将该方法应用在气阀机构4种工况下的缸盖表面振动信号诊断实例中,结果表明:该方法不仅改进了传统图像模式识别中的特征参数提取方法,而且能很好地消除时频分布中的交叉干扰项,使各时频分量物理意义明确,能有效诊断出内燃机气阀机构故障,为内燃机振动诊断探索了一条新途径。