基于特征融合技术的发动机故障诊断

作     者：许丽佳 康志亮 黄诚惕 Xu Lijia;Kang Zhiliang;Huang Chengti

作者机构：四川农业大学信息与工程技术学院雅安625014 电子科技大学自动化工程学院成都611731 

基　　金：四川省教育厅自然科学重点项目(08ZA067) 四川省教育厅青年基金项目(08zb028) 

出 版 物：《农业工程学报》 (Transactions of the Chinese Society of Agricultural Engineering)

年 卷 期：2010年第26卷第11期

页      码：130-135页

摘      要：为了提高发动机的故障识别率,设计了一种将B&B算法与广义辨别分析(GDA)相结合的多类特征融合方法。从发动机转子的振动信号中提取出频谱特征集和纹理特征集,用B&B算法删去2类特征集中信息量少的特征,并用GDA和支持向量机(SVM)分类器进行特征融合和分类识别。发动机的转子故障试验结果表明,该方法获得的融合特征包含有更多的类别信息,用于转子故障获得的识别率为98.21%,且不受分类器核参数的影响;而频谱特征、纹理特征输入SVM分类器后获得的故障识别率仅为92.86%和89.29%。该研究为发动机的故障诊断提供了一种有效、实用的特征提取方法。

主 题 词：发动机 故障诊断 特征提取 广义辨别分析 特征融合 

学科分类：08[工学] 082503[082503] 0825[工学-环境科学与工程类] 

核心收录：

D　O　I：10.3969/j.issn.1002-6819.2010.11.023

馆 藏 号：203106446...