| 基于VMD与KFCM的柴油机故障诊断算法 |
| |
| 引用本文： | 毕凤荣,汤代杰,张立鹏,李鑫,马腾,杨晓.基于VMD与KFCM的柴油机故障诊断算法[J].振动．测试与诊断,2020,40(5):853-858. |
| |
| 作者姓名： | 毕凤荣 汤代杰 张立鹏 李鑫 马腾 杨晓 |
| |
| 作者单位： | （1.天津大学内燃机燃烧学国家重点实验室 天津，300072)(2. 天津内燃机研究所 天津，300072） |
| |
| 基金项目： | （国家科技支撑计划资助项目（2015BAF07B04） |
| |
| 摘 要： | 针对柴油机的故障诊断问题，提出了一种基于变分模态分解（variational mode decomposition，简称VMD）与核模糊C均值聚类算法（kernel fuzzy C-means clustering，简称KFCM）联合的故障诊断方法。首先，针对VMD算法中分解层数K的选择问题进行了自适应优化；然后，从优化VMD算法的分解结果中选取3个关键分量计算最大奇异值，并将其作为3维的特征向量输入KFCM算法中进行分类识别；最后，对仿真信号以及某型柴油机的模拟故障实验信号使用优化VMD、传统VMD和经验模态分解（empirical mode decomposition，简称EMD）方法分别进行分解与识别。结果表明，笔者提出的方法明显改善了模态混叠现象，提高了模式识别的诊断正确率，提出的联合算法具有更好的应用前景。
|
| 关 键 词： | 柴油机 振动信号 故障诊断 变分模态分解 核模糊C均值聚类算法 |
Diesel Engine Fault Diagnosis Method Based on Optimized Variational Mode Decomposition and Kernel Fuzzy C-means Clustering |
| |
| BI Fengrong,TANG Daijie,ZHANG Lipeng,LI Xin,MA Teng,YANG Xiao.Diesel Engine Fault Diagnosis Method Based on Optimized Variational Mode Decomposition and Kernel Fuzzy C-means Clustering[J].Journal of Vibration,Measurement & Diagnosis,2020,40(5):853-858. |
| |
| Authors: | BI Fengrong TANG Daijie ZHANG Lipeng LI Xin MA Teng YANG Xiao |
| |
| Affiliation: | (1.?The State Key Laboratory of Engines, Tianjin University Tianjin, 300072, China)(2.Tianjin Internal Combustion Engine Research Institute Tianjin, 300072, China) |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《振动．测试与诊断》浏览原始摘要信息 |
|
点击此处可从《振动．测试与诊断》下载全文 |
|
