基于VMD与KFCM的柴油机故障诊断算法

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

所属期刊栏目：40

分类号：TK428;TH17(内燃机)

资助基金：国家科技支撑计划资助项目2015BAF07B04

在线出版日期：2020-11-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：853-858