| 基于遗传算法优化支持向量机的船用柴油机气门漏气故障智能诊断方法 |
| |
| 作者姓名： | 蔡一杰 陈俊杰 王君 张云东 杨建国 |
| |
| 作者单位： | 湖北工业大学 机械工程学院,武汉 430068;湖北工业大学 现代制造质量工程湖北省重点实验室,武汉430068;武汉理工大学 能源与动力工程学院,武汉 430070;湖北工业大学 机械工程学院,武汉 430068;中国海警局某直属局,三亚 572000;武汉理工大学 能源与动力工程学院,武汉 430070 |
| |
| 基金项目： | 湖北工业大学高层次人才基金项目（BSQD2020010）; 智能中速柴油机关键技术研究项目（工信部装函［2019］ 360号）; 现代制造质量工程湖北省重点实验室开放基金项目（KFJJ-2021012） |
| |
| 摘 要： | 针对船用柴油机气阀漏气故障的问题,提出一种结合遗传算法（genetic algorithm,GA）与支持向量机（support vector machine,SVM）的船舶柴油机气阀漏气振动诊断方法,称之为遗传算法优化支持向量机（GA-SVM）。通过分析静态与动态工况下的缸盖振动信号,提取训练SVM特征参数,利用GA-SVM的惩罚因子与核函数参数对故障进行识别。试验结果表明,GA-SVM方法完善了SVM参数选取方法,可有效识别柴油机气门漏气故障。优化后的整体故障诊断准确率为99.333%,相比于未优化前的测试集,故障诊断正确率提高了约2%。
|
| 关 键 词： | 柴油机 故障诊断 气门漏气 遗传算法 支持向量机 故障模式识别 |
| 收稿时间： | 2021-06-07 |
| 修稿时间： | 2021-07-29 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《内燃机工程》浏览原始摘要信息 |
|
点击此处可从《内燃机工程》下载免费的PDF全文 |
|
