首頁 > 期刊 > 自然科學與工程技術 > 工程科技II > 工業通用技術及設備 > 噪聲與振動控制 > 一種基于流形學習和KNN算法的柴油機工況識別方法 【正文】
摘要:不同負荷狀態下的柴油機振動、溫度、轉速等信號顯著不同,而機組故障信號特征往往被淹沒在隨負荷變化而劇烈變化的信號中,因此變負荷狀態下的柴油機故障監測診斷難度較大,一直困擾著柴油機的實際故障診斷工作。提出一種基于流形學習和KNN算法的柴油機工況識別方法,為柴油機變負荷工況下故障監測預警打下基礎。方法融合機組的多源信號特征構建特征向量,通過流形學習t-分布鄰域嵌入算法(t-SNE)實現特征向量的維數約簡和敏感特征提取,采用K最近鄰分類算法(KNN)完成柴油機運行負荷狀態的自動分類。正常及故障狀態下多組柴油機監測數據的處理結果驗證了方法的有效性和實用性。
注:因版權方要求,不能公開全文,如需全文,請咨詢雜志社