基于局部线性嵌入算法的柴油机故障诊断研究

摘要

由于柴油机在日常生产中占据了重要的地位，促进了柴油机的故障诊断技术在近几十年来迅速的发展。但柴油机的本身结构复杂性，使故障形式呈现多样性，加上工作环境恶劣，信息采集系统的精度等影响，导致柴油机的故障诊断识别率不高。如何提高柴油机故障诊断准确率和效率，是近几年来国内外学者主要研究课题。
　　小波包是比较有效提起原始信号的特征信息方法之一；局部线性嵌入（LocallyLinearEmbedding，LLE）算法是针对非线性信号特征矢量维数的优化方法，这种维数优化并不是仅仅在数量上简单的约简，而是在保持原始数据性质不变的情况下，将高维空间的信号映射到低维空间上，即特征值的二次提取；信息融合技术，将不同位置传感器采集的信息进行联想、过滤、联结和合成，从而得出精确的故障信息。本文将小波包、LLE以及传感器信息融合，相结合的方法进行故障诊断研究，从而提高故障识别率。
　　首先，本文通过对柴油机主要故障形式，振动信号特征的分析，应用小波包能量谱分析方法提取各测点的特征值，从而形成非线性的高维空间。根据各个测点振动信号的特征值，应用局部线性嵌入算法对柴油机进行测点优化。
　　其次，重点研究了LLE对高维特征向量优化的问题，通过对现有的维数约简的方法进行归纳总结，针对不足之处，从而提出改进方法：改进LLE算法，可以优化邻域参数k，能有效的区分不同故障类型的数据。
　　最后，将优化后的低维向量进行特征值融合，并输入到SOM-BP神经网络中进行故障诊断，通过对比优化前后特征值融合在神经网络中的结果，表明本文研究的故障诊断系统，具有较高的故障识别率。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪 论

1.1 课题研究背景与意义

1.2 理论意义与实际应用价值

1.3 故障诊断技术研究现状

1.4 基于小波包与LLE的故障诊断技术

1.5 本文的主要研究内容

2 局部线性嵌入算法和人工神经网络

2.1 流行学习的分类及主要算法

2.2 LLE算法理论

2.3 SOM-BP神经网络与学习算法

2.4 多传感器信息融合

2.5 本章小结

3 柴油机诊断机理

3.1柴油机结构与工作原理

3.2 柴油机故障类型与特征

3.3 柴油机振动诊断系统

3.4 基于LLE算法的故障诊断系统

3.5 本章小结

4 柴油机故障诊断实验

4.1 故障信号的检测

4.2 柴油机振动信号特征值的提取

4.3 振动测点的对比优化

4.4 本章小结

5 局部线性嵌入算法在故障诊断中的应用

5.1 实验测点的优化

5.2 特征值优化

5.3 本章小结

6 人工神经网络故障分类

6.1 SOM-BP人工神经网络

6.2 SOM-BP诊断结果分析

6.3 多测点振动信号的特征层融合

6.4 融合后诊断结果分析

6.5 本章小结

总结与展望

参考文献

攻读硕士学位期间发表的论文

致谢