采用多层核学习机的柴油机气门机构故障诊断

发挥 这 两 种方 法 各 自的优 势 ， 文， 同时 又具 备 处理 非 线 性 问题
的能 力 。文献 ［ —］ ＫＰ Ａ 作 为特 征提 取器 ， ６７ 将 Ｃ 通过 提取 振动信 号 中的非线 性特 征分 别实 现 了滚动 轴承 和汽 车传动 齿轮箱 的状 态监 测 。 文献 ［ —］ ８９ 分别采 用
如图 １ 示 。 所
设原 始 空 间训 练样 本 为 ｛ Ｉ ， 。 ， ， ， ） （ Ｙ ） … （ Ｙ） ｚ
ＣＲ ×Ｒ， 中 ： 其 为样 本 个 数 ； 为 样 本 维 数 ； Ｙ∈ ｛ ， ， ， ）Ｍ 为类别 数 。通过 非 线性 映 射 将原 １２ … Ｍ ； 始 数据 ３ 映射到 特征 空间 ， ５ ＂ 其像 为 ｚ） （ 。假设 映 射
引 言
据统 计 ， 门机 构 故 障 占柴 油 机 全部 故 障 的 比 气 例高 达 １ ． ％左 右 Ｌ 。气 门机构 最 常见 的故 障现象 ５１ １ ］
主元 分 析 和支 持 向 量机 的多层 核 学 习机 模 型 ， 将 并 其应 用 于柴 油机气 门间隙异 常故 障 的诊 断 。
王 涛 ， 李 艾 华 ， 姚 良， 蔡 艳平
（ 二 炮 兵 工 程 学 院机 电工 程 系 西 安 ， １ ０ ５ 第 ７０２）
摘要
针 对 柴 油 机缸 盖 振 动 信 号 的 非 平 稳 性 以 及 多 种 气 门故 障 的 线 性 不 可 分 问 题 ， 出 了一 种 组 合 核 主 元 分 析 和 提
第３ ｏ卷 第 ４ 期
２１ ０ ０年 ８月
振 动 、 试 与诊 断 测
Ｊ ｕ ｎ ｌ ｆＶｉｒ ｔ ｎ， ｅ ｓ ｒ ｍｅ ｔ＆ Ｄｉｇ ｏ ｉ ｏ ｒ ａ ｂ ａ ｉ Ｍ ａ ｕ ｅ ｎ ｏ ｏ ａ ｎ ｓｓ
Ｖ ｏｌ ３Ｏ Ｎｏ．４ ＿
Ａｕｇ． ２０ ０ １
采 用 多层 核 学 习机 的柴 油 机 气 门机 构 故 障 诊 断
实现气 门机构 的快 速无损 检 测和故 障诊 断 。 然而 ， 柴 油 机缸 盖系统 的严 重非线 性使 得缸 盖振 动信 号表现 为典型 的非平稳 时 变信 号［ ］加 之故 障样 本 数量较 ２， 少， 导致 了 目前 广 泛使 用 的 特征 提 取 和模 式 识别 方 法在 诊 断柴油机 故 障时难 以获 得较 好 的效 果 。
支 持 向 量机 的 多层 核 学 习 机方 法 。该 方 法使 用 核 主元 分析 技 术 从 原 始 特 征 中提 取 非 线 性 主 元 ， 将其 输入 到 由 “ 对 一
多 ” 法 构 建 的 支 持 向 量 机 多 分 类 器 中 ， 现 了多 种 气 门故 障 的 定 量 诊 断 。 验 结 果 表 明 ， 小 样 本 条件 下 ， 方 法 算 实 试 在 该
出来 的 一种 模式 识 别方 法 ， 追 求在 现 有 有 限信 息 它 条件下 得到最 优推 广能 力 ， 解决 小样 本 、 在 非线性 以 及 高维 模式识 别 问题 中表现 出诸 多优 势 。核主元 分
析 法 （ ｅｎ ｌ ｒ ｃ ｌ ｃ ｍｐ ｎ ｎ ｎ ｌｓ ， ｋ ｒ ｅ ｐｉ ｉ ｅ ｏ ｏ ｅ ｔ ａｙ ｉ 简称 Ｋ — ｎ ｐ ａ ｓ Ｐ
１ 多层 核 学 习机模 型
核 主元 分析 和支 持 向量机是 两种 典 型的核 学 习
是气 门间 隙异 常 ， 由于 柴 油机 气 缸 盖直 接 承 受气 门 机构 的 冲击 ， 因此 缸 盖 振动 信 号 蕴 涵着 气 门机 构 技 术状态 的信 息 ， 过分 析和处 理 缸盖 振动信 号 ， 以 通 可
最 佳 的分类 方 向（ 于某 些 数据 最 佳 展 开方 向可能 对 同 时也 是最 佳 分类 方 向） 得 到 非线 性 主 元 特征 后 ， ， 可 能仍 需选 择合 适 的特征用 于分 类 。 而对 于Ｓ ＶＭ 分 类器 来 说 ， 如果 输入样 本特 征 比较好 的话 ， 不仅 可 以
小波 分析和决 策树 方法 对振 动信 号进行 消 噪和 特征 选 择 ， 后将Ｓ 然 ＶＭ 作为故 障分 类 器实现 了旋 转机 械 中滚 动轴 承部 件 的故 障诊 断 。
为 了充 分 利 用 Ｋ Ｃ 的 非 线 性 特 征 提 取 能力 Ｐ Ａ
和支 持 向量机 构 建 多层 核 学 习机 模 型 ， 其基 本 原 理
支 持 向 量 机 （ ｕ ｐ ｒ ｖ ｃｏ ｃ ｉｅ 简 称 ｓ ｐ ｏ ｔ ｅ ｔｒ ｍａｈｎ ， Ｓ ＶＭ ） 是Ｖａ ｎｋ等人 ［在统 计学 习理 论基 础上发 展 ｐｉ ４ ］
机 ， 者作 为一 种无监 督 型学 习算法 ， 前 是解 决 非线性 特 征 提取 问题 的有 效 工具 ， 者 作 为一 种 监 督 型学 后 习算 法 ， 是具 有 很 强 泛化 能 力 的分 类 器 。Ｋ Ｃ 是 Ｐ Ａ 为 了捕 捉数 据 的 内部结构 ，它尽 可 能 的以非 线性 方 式 降 低 样 本 的 维 数 ，以便 于 数 据 的 展 开 。尽 管 Ｓ ｈ ｌｏ ｆ ｃ Ｏｋ ｐ 等人 已经 提 出了基 于 ＫＰ Ａ 的不 同分类 Ｃ 方法 Ｌ ， ＫＰ Ａ 数据 展 开 的最佳 方 向却不 一 定是 ５但 ］ Ｃ
Ｃ 是 Ｓ ｈ ｌ ｏ ｆ 人 ｌ在 研究 支 持 向 量机 分类 算 Ａ） ｅ Ｏ ｋ ｐ 等 － ５ ］
法 时提 出的一 种 特征 提 取和 压 缩 算法 ， 方 法 既保 该
降低 计 算复 杂度 ， 缩短 计算 时间 和减小 存储 空 间 ， 还 可 以减 小泛 化误 差 ， 到较好 的推广 能力 。 了充分 得 为
能 准确 识别 气 门机 构 的 ６ 状 态 ， 识 别 精 度 及 测 试 速 度 均 优 于 单 独 使 用 多 类 支 持 向量 机 方 法 。 种 且 关键 词 核方法 特征提取 模式分类 核 主元 分 析 支 持 向量 机
中 图分 类 号
Ｔ ３ Ｈ１ ２
和Ｓ ＶＭ 的小样本 分类 能力 ， 本文 提 出了一 种组 合核