基于PCA-EDT-CNN的柴油发动机故障诊断方法

摘要

针对柴油发动机故障诊断中振动信号呈非平稳、非线性,直接将原始信号输入卷积神经网络(Convolutional Neural Network, CNN)进行故障诊断效果差的问题,提出一种基于PCA-EDT-CNN的新方法。首先,利用主成分分析(Principal Component Analysis, PCA)对传感器采集的原始数据进行自适应降维,并构建符合条件的主成分特征向量矩阵(Principal Component Eigenvector Matrix, PCEM);其次,对PCEM进行欧氏距离变换(Euclidean Distance Transformation, EDT),计算各行间欧氏距离并构建欧氏距离矩阵(Euclidean Distance Matrix, EDM);最后,将PCEM和EDM分别展平为一维向量并合成一个一维样本序列,输入到一维卷积神经网络(One-Dimensional Convolutional Neural Network, 1DCNN)对模型进行训练与诊断。搭建柴油发动机预置故障试验台,验证了该方法的有效性,且通过与传统方法对比,结果表明,该方法对柴油发动机不同故障状态诊断准确率高,具有实际工程应用价值。