基于流形學(xué)習(xí)的汽車燃汽發(fā)動機(jī)故障識別方法研究.pdf

1、在車輛保有量如此高的今天，設(shè)備故障診斷是一項極其重要的部分，特別對于車輛的發(fā)動機(jī)故障識別問題就顯得尤為突出。設(shè)備故障診斷一般流程如下：1、信號的探測過程，該過程利用一些傳感器檢測裝置判斷設(shè)備所產(chǎn)生的化學(xué)物質(zhì)性質(zhì)；2、物理化學(xué)到電信號的轉(zhuǎn)換，該過程由一些硬件設(shè)備和電路裝置完成；3、將電信號錄入計算機(jī)系統(tǒng)；4、計算機(jī)信號的預(yù)處理，該過程包括對信號的去噪和除干擾過程，采用線性或非線性分析，將采集的信號中去除與設(shè)備運(yùn)行狀態(tài)無關(guān)的數(shù)據(jù)，最后求出最

2、能體現(xiàn)機(jī)械系統(tǒng)運(yùn)行狀態(tài)的特征量。目前國內(nèi)外研究利用流形學(xué)習(xí)算法能有效提高嵌入于高維非線性數(shù)據(jù)中的流形特征，在設(shè)備故障診斷領(lǐng)域中引入流形學(xué)習(xí)，并將其應(yīng)用于故障模式的識別問題。
　　傳統(tǒng)的流形學(xué)習(xí)算法由于計算量、識別效率的限制，無法直接運(yùn)用在故障識別領(lǐng)域，為此本文采用基于改進(jìn)的流形學(xué)習(xí)算法進(jìn)行故障識別。首先，針對機(jī)械信號噪聲，采用將電子信號轉(zhuǎn)換為圖像信號，對其進(jìn)行高斯濾波處理，去除噪聲、平滑圖像后，再將圖像信號轉(zhuǎn)化成電子信號。其次，針

3、對流形算法中近鄰點(diǎn)個數(shù)的選擇上，近鄰點(diǎn)個數(shù) K一般要求大于流形的維數(shù)，通過構(gòu)建高維的穩(wěn)態(tài)，以提高算法的穩(wěn)健性（robust），但K過大會導(dǎo)致局部幾何特性由于陷入局部最優(yōu)不能正確表示，而K太小又會使流形不連續(xù)，無法表示完整的信息，使得故障診斷錯誤顯著增加。為此本文采用基于密度選擇 K均值算法對數(shù)據(jù)進(jìn)行聚類，獲得到密度近鄰簇，以保證近鄰點(diǎn)個數(shù)的選擇合理性。在獲取到近鄰簇后，利用密度信息，采用基于密度的離群點(diǎn)檢測將簇分割為光滑點(diǎn)集合和離群點(diǎn)集

4、合。之后，結(jié)合光滑點(diǎn)集合中，采用基于流形算法對數(shù)據(jù)進(jìn)行降維提取特征。最后，將提取的特征利用SVM算法進(jìn)行模式識別。
　　在系統(tǒng)實(shí)現(xiàn)上，本文采用將Matlab代碼封裝為Jar包，利用Java語言編寫出一個測試應(yīng)用Demo，并運(yùn)用在實(shí)驗(yàn)中。通過該Demo程序，可以提取機(jī)械故障信號數(shù)據(jù)內(nèi)在的流形特征，保留信號中包含的整體幾何結(jié)構(gòu)信息，解決局部線性結(jié)構(gòu)的不足，改善了故障模式識別的分類能力。通過發(fā)動機(jī)相關(guān)的模擬實(shí)驗(yàn)：發(fā)動機(jī)轉(zhuǎn)子震動、發(fā)動機(jī)氣