基于EMD-WVD振动谱时频图像SVM识别的内燃机故障诊断.docx

?

?

基于EMD-WVD振动谱时频图像SVM识别的内燃机故障诊断-论文网

?

?

论文摘要：为了充分提取基于内燃机振动信号形成的振动谱时频图像的二维时频信息，实现基于内燃机振动谱时频图像特征自动提取及识别，提出了一种基于EMD-WVD(EMD-Wigner-VilleDistributions,EMD-WVD)振动谱时频图像SVM识别的内燃机故障诊断新方法。该方法首先利用二进制小波对振动信号进行预处理，然后利用EMD-Wigner-Ville时频分布生成不同工况下振动信号的时频图像，并通过提取振动信号的EMD-WVD振动谱时频图像的不变矩特征形成诊断特征向量，最后利用文中提出的一种基于类识别率排序的二叉树SVM分类器进行模式识别，克服了传统二叉树SVM分类器存在因训练样本排列方式不同而导致不同推广性能的不足，从而实现内燃机的故障诊断。为验证所提方法的有效性，通过仿真信号的时频行为对不变矩特征的影响分析说明了提取内燃机振动信号EMD-Wigner-Ville振动谱时频图的不变矩特征是可行的，在BF4L1011F型内燃机上进行了6种不同工况下气门故障模拟试验，诊断结果表明所提方法具有较高的诊断准确率，为内燃机故障诊断探索了一条新途径。

论文关键词：内燃机,故障诊断,图像识别,不变矩

引言

在内燃机故障诊断中，振动信号往往含有丰富的故障信息，因此内燃机的振动诊断是其故障诊断的重要研究领域。近几年来，随着现代信号处理方法的发展，短时傅立叶分析，Wigner-Ville时频分析方法、小波分析方法、高阶谱分析方法以及HHT时频分析方法等信号处理方法被广泛应用在内燃机振动信号的分析处理中，这些方法对处理内燃机故障诊断中不连续、突变、非平稳信号提供了必要的手段，通过这些分析方法对内燃机振动信号的分析可以得到大量反映内燃机运行状态的振动信号时频图像，即振动谱时频图像，如二维WVD时频图、小波时频图、HHT时频图及三维振动时频图等。这些图形中包含设备运行过程中的大量状态信息，但目前针对这些方法的研究均没有继续深入地去挖掘上述振动信号时频图像（简称振动谱时频图像）的图像信息，而主要通过操作人员观察和分析这些振动谱时频图像的频率随时间变化特征来做出诊断。但由于多维图形的复杂性，操作人员的观察和分析难免会存在一定的主观性，因此诊断结果就不具备唯一性，这对于内燃机的故障诊断来说是非常不利的。另外，针对内燃机故障诊断的智能化需求，也迫切需要研究一种对上述内燃机振动谱时频图像特征自动提取及识别的方法。为此，本文针对内燃机振动谱时频图像，借鉴图像识别技术提出了一种基于EMD-WVD振动谱时频图像SVM识别的内燃机故障诊断新方法，该方法主要思路是将内燃机振动谱时频图像作为包含内燃机振动信息的二维输入信号进行进一步分析和挖掘，通过提取二维振动谱时频图像的特征参数来识别内燃机的不同工作状态。结果表明，提取的图像特征参数对内燃机状态有良好的反映能力，可以区分内燃机的不同状态，为内燃机故障诊断提供了一条新的思路。

1基于EMD-WVD的内燃机振动时频谱图生成

内燃机在不同工况下，其振动信号具有不同的振动信息，振动信号显示在时间——频率平面上就具有不同的时频分布。在同一工况下内燃机振动信号处在不同周期循环的振动时频分布具有相似性，而不同工况下的内燃机振动信号时频分布结构却相差较大，利用这种性质就可以从时频分布图中提取有利于内燃机工况识别的有效特征。

为了更好地利用内燃机振动时频图来刻画内燃机振动信号的不同工况特点，本文采用文献[9]提出的一种EMD－Wigner-Ville时频分析来处理内燃机振动信号，以此描述振动信号幅频特性随时间的变化情况。EMD-Wigner-Ville时频分析的算法思想是对EMD生成的内禀模态，，…，各分量分别进行WVD计算，然后将结果进行线性叠加。信号的EMD_WVD时频分布定义为：

（1）

文献[10]指出：线性时频表示满足叠加原理，因此可以先对各个单分量信号单独进行分析和处理，再将结果线性叠加，这样是不会产生新的交叉项的。由于不同的分量被分离开来分别计算Wigner-Ville分布，因此同时降低了不同分量的干扰和交叉项的干扰，且各个基本模式分量的Wigner-Ville分布又具有很好的时频聚集性，这有利于更好地刻画内燃机振动信号的时频特征信息。

2内燃机EMD-WVD振动时频谱图不变矩特征提取

图形特征提取的好坏，将直接影响到诊断结果，由于图形信息内容丰富，因此如何从原始图像中提取具有较强表示能力的图像特征是智能图像处理的一个研究热点。用于图像模式识别的特征大致可归纳为：(1)颜色或灰度的统计特征；(2)纹理、边缘特征；(3)形状特征；(4)变换系数特征或滤波器系数特征。基于形状的特征提取方法应用最多的是不变矩特征，它具有较高的抗噪