蔡一杰,陈俊杰,王君,等.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[J].内燃机工程,2022,43(2):71-76.
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
Intelligent Diagnosis Method Based on Genetic Algorithm Optimization and Support Vector Machine for Leakage Faults of Gas Valves of Marine Diesel Engines
DOI：10.13949/j.cnki.nrjgc.2022.02.009
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
Key Words:diesel engine  fault diagnosis  valve leakage  genetic algorithm（GA）  support vector machine（SVM）  fault pattern recognition
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）
作者单位E-mail
蔡一杰* 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 		caiyijiecyj@163.com 
陈俊杰 湖北工业大学 机械工程学院，武汉 430068  
王君 湖北工业大学 机械工程学院，武汉 430068  
张云东 中国海警局某直属局，三亚 572000  
杨建国 武汉理工大学 能源与动力工程学院，武汉 430070  
摘要点击次数: 2074
全文下载次数: 902
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%。
Abstract:To solve the problem of valve leakage on marine diesel engines， a diagnosis method combining genetic algorithm（GA） and support vector machine（SVM） was proposed and named as GA-SVM. Through the analysis of cylinder head vibration signal in stable states and working states， the characteristic parameters for SVM model training were extracted and the faults were identified by the penalty factors and kernel function parameters of GA-SVM. Results show that the GA-SVM method improves the selection of SVM parameters， and the recognition method for valve leakage fault is effective. The overall fault diagnosis accuracy rate after optimization is 99.333%， which is about 2% higher than that before optimization.
查看全文  HTML   查看/发表评论