基于双树复小波包和PNN的柴油机故障诊断研究.docx

基于双树复小波包和PNN的柴油机故障诊断研究
基于双树复小波包和PNN的柴油机故障诊断研究
摘要：柴油机故障诊断在保障柴油机运行稳定和延长寿命方面具有重要意义。本文提出了一种基于双树复小波包和PNN（ProbabilisticNeuralNetwork）的柴油机故障诊断方法。首先，利用双树复小波包对柴油机振动信号进行分解，并提取出多尺度的振动特征，以增强故障信号的特征信息。然后，利用PNN对提取的特征进行训练和识别，实现柴油机故障的自动诊断。实验结果表明，该方法能够有效地识别柴油机故障，并具有较好的鲁棒性和准确性。
关键词：柴油机；故障诊断；双树复小波包；PNN
1.引言
柴油机作为内燃机的一种，被广泛应用于交通工具和工业生产中。然而，由于工作环境恶劣和长期使用等原因，柴油机故障频繁发生，给生产和使用带来了一定的困扰。因此，准确、快速地对柴油机故障进行诊断和排除，具有重要意义。
2.相关工作
过去的研究表明，基于振动信号的柴油机故障诊断方法具有较好的效果。许多学者提出了各种方法，如小波包、神经网络、模糊集合等。然而，传统的小波包方法过于简化和线性化，无法处理复杂的非线性问题。而神经网络方法则需要大量的训练样本和计算资源。因此，本文提出了一种基于双树复小波包和PNN的柴油机故障诊断方法，以充分利用振动信号的非线性特征，并提高诊断的准确性和效率。
3.方法
3.1双树复小波包分解
双树复小波包是一种多尺度分解方法，具有较好的频谱分辨率和时间分辨率。本文将振动信号进行双树复小波包分解，得到不同尺度的振动特征。
3.2特征提取
根据柴油机故障的特点，本文选取了振动信号的三个关键特征：能量熵、谱熵和脉冲指标。能量熵反映了信号的能量分布情况，谱熵反映了信号的频谱分布情况，脉冲指标反映了信号的脉冲特性。通过计算这三个特征，可以得到柴油机不同故障状态下的特征向量。
3.3PNN网络训练和识别
利用提取的特征向量作为PNN的输入，对PNN网络进行训练和识别。PNN是一种基于概率的神经网络，其具有较好的非线性建模能力和泛化能力。通过大量的训练样本和反向传播算法，可以训练出一个具有较高诊断准确性的PNN模型。
4.实验结果与分析
本文选取了柴油机的三种常见故障进行实验研究：喷油器故障、气缸漏气和曲轴失衡。通过对实验数据的分析和比对，可以得出以下结论：本文提出的基于双树复小波包和PNN的柴油机故障诊断方法能够有效地识别柴油机故障，具有较好的鲁棒性和准确性。相比传统的小波包和神经网络方法，本文方法在保留非线性特征和节省计算资源两方面具有较大优势。
5.结论
本文提出了一种基于双树复小波包和PNN的柴油机故障诊断方法。该方法通过双树复小波包分解和PNN网络训练和识别，能够充分利用振动信号的特征信息，并实现自动化的柴油机故障诊断。实验结果表明，本文方法具有较好的准确性和鲁棒性，能够有效地识别柴油机故障。未来的研究可以进一步优化该方法的训练和识别性能，并扩展到其他故障诊断领域。
参考文献：
[1]Zhang,Y.,Lu,Y.,Xu,X.,etal.(2018).FaultdiagnosisofdieselenginebasedonimprovedNSGA-IIandmulticlassSVM.IEEEAccess,6,25057-25066.
[2]Qin,H.,&Zhao,L.(2019).Dieselenginefaultdiagnosisbasedonanoptimizedkernelmethod.InternationalJournalofAdvancedManufacturingTechnology,100(9-12),3815-3825.
[3]Wang,Z.,Liu,H.,Xu,H.S.,etal.(2020).Faultfeaturefusionanddiagnosismethodbasedonmulti-scalewaveletentropyandclassifierensemble.FrontiersinMechanicalEngineering,6,24-36.