基于多特征提取和KECA柴油机关键部件故障识别

来源：电子测量技术杂志2021年第19期北京时间：

作者：许 昕，韩慧苗，潘宏侠，赵 璐

单位：1.中北大学 机械工程学院 太原 030051; 西安昆仑工业(集团)有限责任公司 西安 710000

摘要：针对柴油机系统故障特征信息微弱、识别率低的问题，提出一种基于多特征提取和核熵成分分析（KECA）的柴油机关键部件故障识别方法。首先对采集的信号经集合经验模态分解重构降噪后提取方差、峭度、方根幅值、峰值因子和排列熵作为特征参量，选择KECA对其高维降成低维特征，最后由支持向量机对新的低维特征进行故障识别，并对比用其他降维方法的分类结果。结果显示：此分类结果显著比其他方法好，识别准确率为96.67%，说明本文所提方法可对柴油机关键部件进行故障识别，且拥有良好的应用前景。

关键词：多特征提取;核熵成分分析;柴油机;故障诊断

基金资助：内燃机可靠性国家重点实验室基金项目（skler-201911）资助