基于深度学习和PSO-SVM的柴油机多缸失火诊断

作者：韩佳佳; 贾继德; 梅检民; 任刚; 贾翔宇

来源：军事交通学院学报, 2018, 20(11): 26-31.

DOI：10.16807/j.cnki.12-1372/e.2018.11.007

• 柴油机
• 故障诊断
• 深度置信网络
• 粒子群优化的支持向量机

针对支持向量机对柴油机振动信号非线性分类能力不足的问题,提出一种基于深度学习提取故障特征信息的诊断方法。利用等角度重采样技术将时变非平稳的振动信号转换为角域平稳信号,根据数理统计方法初步提取柴油机各缸角域的统计特征参数并组成特征向量。采用深度置信网络对角域特征向量进行深度学习与自适应特征提取,获得柴油机多缸失火诊断参数矩阵,输入粒子群优化的支持向量机(PSO-SVM)进行柴油机多缸失火诊断识别。应用该方法在WD615型柴油机上进行多缸失火诊断,结果表明该方法可行有效。

• 单位
  中国人民解放军军事交通学院