粗糙集和支持向量机相整合的柴油机故障诊断算法
- 格式：pdf
- 大小：231.58 KB
- 文档页数：3
文档推荐
-
粗糙集理论下的支持向量机新模型研究页数:5
-
基于粗糙集支持向量机的遥感影像分类算法页数:3
下载文档原格式
合集下载
基于物理模型和支持向量机的柴油机冷却系统故障诊断算法
CN 11-5904/U J Automotive Safety and Energy, Vol. 11 No. 4, 2020529—537基于物理模型和支持向量机的柴油机冷却系统故障诊断算法朱观宏，宋 康，谢 辉*，陈 韬，钱振环（内燃机燃烧学国家重点实验室，天津大学，天津300072，中国)摘要：为了对可监测变量少、时间尺度大、耦合性强的柴油机冷却系统的故障进行有效监测和准确诊断，设计了一种结合同步运行物理模型和小样本数据驱动的智能诊断算法。
算法中建立了一个基于冷却系统物理原理的简化模型。
利用模型实时预测的水温和实际水温的残差作为故障诊断的信息依据，并将信息输入支持向量机（SVM）进行分类，辨识故障原因。
利用GT-SUITE柴油机模型对算法进行仿真测试，在车辆故障工况下对算法进行了试验测试。
结果表明：该算法对故障的识别准确度在97 %以上，诊断用时在45 s以内，显示出该诊断算法对冷却系统故障有良好的监测能力和准确辨识的潜力。
关键词：柴油机；冷却系统；故障诊断；物理模型；支持向量机（SVM）中图分类号： TK 428 文献标识码： A DOI： 10.3969/j.issn.1674-8484.2020.04.013Fault diagnosis algorithm of diesel engine cooling system based on physical model and support vector machineZHU Guanhong, SONG Kang, XIE Hui*, CHEN Tao, QIAN Zhenhuan ( State Key Laboratory of Combustion of Internal Combustion Engines, Tianjin University, Tianjin 30072, China)Abstract: An intelligent fault diagnosis algorithm was developed by using synchronous operating physicalmodel and small sample data-driven to effectively monitor and accurately diagnose the faults of the coolingsystem of diesel engine with strong coupling, large time scale and few variables to be monitored. A simplifiedphysical model that based on the physical principle of cooling system was built in the algorithm. The supportvector machine (SVM) was used to classify the fault information based on the residual of actual watertemperature of the engine and the predicted water temperature of the synchronous operating model to identifythe cause of the fault. The algorithm was tested on a precisely calibrated GT-Power diesel engine model anda real bus with fault. The results show that the identification accuracy of the algorithm is above 97%, andthe diagnosis time is within 45 s after fault occurred; the algorithm has good monitoring ability and accurateidentification potential for cooling system faults.Key words:d iesel engine; cooling system; fault diagnosis; physical model; support vector machine (SVM)收稿日期 / Received ：2020-07-09。
基于粗糙集的故障诊断方法
Institu te of Ind ustria l P rocess C on trol , Z hej iang U n iv ersity , H ang z hou 310027, C h ina )
Байду номын сангаасAbstract: Som e w o rk ha s been done fo r dea ling w ith Fau lt D etect ion and D iagno sis (FDD ) ba sed on Rough Set, bu t in tho se ca ses Rough Set w a s ju st rega rded a s a too l fo r da ta clean ing o r fo r a ssist ing of o ther m ethod s, o r fo r detect ing w hether a system ha s fau lt bu t u sua lly canno t tell w here it happ ened. To so lve th is p rob lem , a new app roach fo r FDD ba sed on Rough Set is p ropo sed. T he app licab ility and com p u ta 2 t iona l com p lex ity of th is app roach is d iscu ssed. Know ledge abou t a p rocess con t ro l system ’s fau lt s is ob 2 ta ined au tom a t ica lly by Rough Set va lue reduct ion; an en t rop y 2ba sed criterion is u sed to m ea su re the un 2 certa in ty of it. M ethod s of fo rw a rd and backw a rd fau lt d iagno sis and how to bu ild up decision tab les fo r each fau lt sou rce a re g iven. T he fea sib ility of fo rm ing a know ledge d iscovering and in telligen t decision 2 m ak ing system fo r FDD ba sed on Rough Set T heo ry is d iscu ssed th rough a ca se study. Key words: fau lt detect ion and d iagno sis; rough set; info rm a t ion en t rop y
Байду номын сангаасAbstract: Som e w o rk ha s been done fo r dea ling w ith Fau lt D etect ion and D iagno sis (FDD ) ba sed on Rough Set, bu t in tho se ca ses Rough Set w a s ju st rega rded a s a too l fo r da ta clean ing o r fo r a ssist ing of o ther m ethod s, o r fo r detect ing w hether a system ha s fau lt bu t u sua lly canno t tell w here it happ ened. To so lve th is p rob lem , a new app roach fo r FDD ba sed on Rough Set is p ropo sed. T he app licab ility and com p u ta 2 t iona l com p lex ity of th is app roach is d iscu ssed. Know ledge abou t a p rocess con t ro l system ’s fau lt s is ob 2 ta ined au tom a t ica lly by Rough Set va lue reduct ion; an en t rop y 2ba sed criterion is u sed to m ea su re the un 2 certa in ty of it. M ethod s of fo rw a rd and backw a rd fau lt d iagno sis and how to bu ild up decision tab les fo r each fau lt sou rce a re g iven. T he fea sib ility of fo rm ing a know ledge d iscovering and in telligen t decision 2 m ak ing system fo r FDD ba sed on Rough Set T heo ry is d iscu ssed th rough a ca se study. Key words: fau lt detect ion and d iagno sis; rough set; info rm a t ion en t rop y
基于支持向量机的4—135柴油机故障诊断
基于支持向量机的4—135柴油机故障诊断摘要：利用小波包能量法提取数据特征值，减轻了通过波形分析法所需要做的大量特征提取；并且利用支持向量机（SVM）作为故障分类模型，结合能量法所提取的特征数据，最终得出的结果稳定准确率高。
最后拓展讨论了选取不同归一化数据处理方法或不归一化，以及选用不同核函数对最终结果（准确率）的影响。
关键词：故障诊断柴油机小波分解支持向量机（SVM）柴油机是一种重要的往复式动力机械，大多作为动力源使用在各种设备上。
由于柴油机结构复杂，故障类型多、特点不一而可监测状态参数较少（温度、压力为主），因此多数故障在参数表现上呈一致状态很难判断故障类型（所在）。
支持向量机是在小样本情况下发展起来的一种基于统计理论中VC维理论和结构风险最小化理论的新型机器学习理论，较好地解决了小样本、高维数和非线性等问题。
SVM可以进行直观的几何解释，并且克服了BP、Hopfield中较难确定结构和存在局部最优等弊端，从而极大地提高了系统的泛化能力。
因此，在此背景下，笔者着重研究基于支持向量机的柴油机故障诊断技术。
1支持向量机支持向量机结构体系中所出现参数符号分别有：变量i=（i=1，2…，s）是拉格朗日乘子，s是乘子的数量；b为阈值或偏移量；K（x，xi’）为一个支持向量机的核函数；xi’（i=1，2…，s）为SVM的支持向量机；x为训练样本、检验样本或实测样本中的某个向量；y（x）为x对应的输出量。
2柴油机特征信号提取2.1故障诊断信号提取系统的建立图1为柴油机故障信号提取的系统简图。
本系统中柴油机的数据采集是通过以下两部分传感器完成：（1）喷油器入口的压力传感器（CYG30固态压阻传感器）；（2）柴油机缸头的振动传感器（YD系列压电式加速度传感器）。
其中采样频率fs为25HZ，数据长度10240。
两个传感器传输信号经电荷放大器（DHF-6系列电荷放大器）放大后，进入计算机数据采集系统并做转化处理。
基于支持向量机的船舶柴油机故障诊断的研究
基 于支 持 向量 机 的船 舶 柴 油 机 故 障诊 断 的研 究
詹 玉龙 ， 翟 海 龙 ， 曾广 芳
（ 海海 事 大学 ，上海 ２０ ３ ） 上 ０ １５
摘 要 ： 过建立 Ｖ 通 Ｃ维 统 计 学 习 理 论 ， 用 数 学 建模 ， 立并 划 分 最 优 超 平 面 以取 得 支 持 向 量来 训 练 ， 取 并 考 虑 利 建 选
维普资讯
２０ ０７年 第 ２期 总第 ７ 期 １
文章 编 号 ：００—４ ５（０７ ０ —０ ８ １０ ６３ ２０ ）２ ０９—０ ４
中 国
航
海
Ｎ ２ Ｊ ｎ． ０ ７ ｏ． ｕ ２ ０
Ｓ ｒａ ｅｉ ｌＮｏ．７１
ＮＡＶＩ ＧＡＴ１ ０Ｎ ０Ｆ ＣＨＩ ＮＡ
Ｚ Ａ 一 ｎ Ｚ Ａ ａ— ｎ ． Ｚ ＮＧＧ ａｇ ａｇ ＨＮ ｌ ｇ． Ｈ Ｉ ｉｏ Ｅ ｕ ｎ－ ｎ ｏ Ｈ ｌ ｇ ｆ
（ ｈ ｎ ｈ ｉ ｒ ｉ ｉｅｓ ｙ ｈ ｎ ｈ ｉ ０ １５， ｈｎ ） Ｓ ａ ｇ ａ Ｍａ ｔ Ｕｎｖ ｒｉ ，Ｓ ａ ｇａ ０ ３ Ｃ ｉａ ｉ ｍｅ ｔ ２
相 关 的 影 响 因子 以此 构 建 样 本 数 据 集 ， 期 对 柴 油 机 故 障实 现精 确 的 诊 断 ； 以 而对 于 非 线 性 空 间 情 况 ， 采 用 核 函 数 可 的思想来转化为线性空 间， 以此 降 低 算 法 的 复 杂 度 ； 过 与 人 工 神 经 网 络 方 法 的 比 较 ， 明 该 方 法 具 有 运 算 速 度 通 表
快 ， 化 能力 强 等 优 点 ； 持 向 量 机 （Ｖ 可 以较 好 解 决 柴 油 机 故 障 诊 断 中 的 机 器 过 学 习 、 样 本 、 维 数 、 线 性 泛 支 Ｓ Ｍ） 小 高 非
基于EMD和支持向量机的柴油机故障诊断
基于EMD和支持向量机的柴油机故障诊断
沈志熙;黄席樾;马笑潇
【期刊名称】《振动、测试与诊断》
【年(卷),期】2010(030)001
【摘要】为了解决传统小波或小波包变换方法对柴油机振动信号频率分辨率不高、易受邻近谐波分量间交叠影响的缺陷,提出了一种基于经验模态分解和支持向量机
的故障诊断方法.该方法首先对振动信号进行经验模态分解,分别提取能量最大的几个基本模式分量的小波包特征;然后采用支持向量机在每个独立的特征子集中进行
训练,并按该子集对应的基本模式分量的能量权重进行加权融合.试验中将该方法应用于6135型柴油机的故障诊断,结果表明,针对每个基本模式分量分别进行故障分
析是可行的,能够对6135型柴油机常见故障模式进行准确识别.
【总页数】4页(P19-22)
【作者】沈志熙;黄席樾;马笑潇
【作者单位】重庆大学自动化学院,重庆,400030;重庆大学自动化学院,重
庆,400030;新西兰况得实仪器有限公司,北京,100016
【正文语种】中文
【中图分类】TP206.3;TK428;THL33
【相关文献】
1.基于EEMD样本熵和支持向量机的高压断路器故障诊断 [J], 刘荣海;豆龙江;万
书亭;杨迎春;郑欣
2.基于EEMD分解和多分类支持向量机的飞行器舵面系统故障诊断 [J], 肖东;江驹;余朝军;周俊
3.基于EMD信息熵和支持向量机的往复压缩机轴承故障诊断分析 [J], 仲继卉
4.基于EMD幅值熵和支持向量机的滚动轴承故障诊断 [J], 胡毅伟;刘自然;李谦;尚坤
5.一种基于EMD与多特征支持向量机(SVM)故障诊断方法 [J], 李明臻
因版权原因，仅展示原文概要，查看原文内容请购买。
基于支持向量机的船舶柴油机故障诊断
基于支持向量机的船舶柴油机故障诊断
朱志宇;刘维亭
【期刊名称】《船舶工程》
【年(卷),期】2006(28)5
【摘要】介绍了支持向量机(SVM)的机理,应用SVM对船舶电站主柴油机进行故障诊断,研究了SVM参数的选择方法,仿真结果表明,SVM具有较好的诊断效果和较强的抗噪声能力;对复合故障样本诊断准确度较RBF神经网络高.
【总页数】3页(P31-33)
【关键词】柴油机;故障诊断;支持向量机
【作者】朱志宇;刘维亭
【作者单位】江苏科技大学电子信息学院
【正文语种】中文
【中图分类】U664.121;TP206.3
【相关文献】
1.基于支持向量机的船舶柴油机层次故障诊断的研究 [J], 魏巍;詹玉龙;赵倍聪;霍崇富
2.基于随机森林和支持向量机的船舶柴油机故障诊断 [J], 贺立敏;王岘昕;韩冰
3.基于支持向量机的船舶柴油机故障诊断的研究 [J], 詹玉龙;翟海龙;曾广芳
4.基于支持向量机和油液检测的船舶柴油机故障诊断研究 [J], 韩孝坤;李霏
5.基于支持向量机和油液检测的船舶柴油机故障诊断研究 [J], 韩孝坤;李霏
因版权原因，仅展示原文概要，查看原文内容请购买。
粗糙集理论在柴油机故障诊断中的应用
根据不可分辨关 系 ， Ｒ可 以有多种约简 。 Ｒ中所 有必要关 系组成的集合称 为 Ｒ的核 ， 记作 ｃｒ（ ） ｏ Ｒ， ｅ
ｃｒ（ ｏｅＲ）＝ｎ ｒ （ ） ｅ Ｒ 。 ｄ ３ 基 于粗糙集理论的特征值优化
３ １ 特 征 值 的提 取 ．
在粗糙集理论 中， 知识 被认 为是一 种对抽象 或 现实对象进行分类 的能力 。在分类过 程 中， 将相差 不大的个体归为一类 ， 它们之 间的关系 即为不可分 辨关 系（ 记为 ｉ ） 它是粗糙集理论 的基础。 ｎ ， ｄ
良 ： 同工况 的样本 变化 明显 ， 不 同种工 况 的样本波 动较 大 ，
或 者不 同工况 的样 本变化 较小 ， 同种 工况 的样本 波 动也 但
很小；
中 ： 同工况 的样本 变化 较 明 显 ， 不 同种 工 况 的样 本 波动 较
大， 或者 不同工 况 的样本 变 化 较小 ， 同 种工 况 的样 本 波 但
振 动信号 的采 集实验 ， 置 了 ２ 设 ２个测点 ， 三种 转 速 ， 种 转 速 下 又 设 置 了 九种 工 况 （ 常 和 ８种 故 每 正 障 ） 其 中八 种故 障工 况 ， 两种 为漏油 ， ， 有 三种 为断 油 ， 结 起来 是 五 种 类 型 的 故 障 ， 漏 油 故 障 （ １ 、 总 即 Ｇ ） 断油故障 （ ２ 、 Ｇ ） 供油提前角增 大 （ ３ 、 Ｇ ） 供油提 前角 减小 （ ４ 、 Ｇ ） 空气滤清器堵塞 （ ５ 。将 ２ Ｇ ） ２个测点 的 振动数据进行 小波包分解 提取 特征参 数 ， 九种工 况 每 种 工 况 取六 个样 本 ， 得 到 ３５ ４ 样本 ，６个 特 共 ６ 个 １ 征值对各种故 障类 型 的敏感与 否如表 １所示 ， 中 其 “＋” 表示 该特征值 对此种 故障敏 感 ，／ 表示 该特 “” 征值对 此种故 障不敏感 。
粗糙集和支持向量机在舰载火控系统故障诊断中的应用
科技与创新┃Science and Technology&Innovation ·168·2021年第02期文章编号：2095－6835（2021）02－0168－02粗糙集和支持向量机在舰载火控系统故障诊断中的应用韩晓（海军装备部驻北京地区第三军事代表室，北京100071）摘要：为了提高传统故障诊断算法的计算速度和分类效率，结合粗糙集理论和支持向量机理论，提出了一种舰载火控系统故障诊断方法。
该方法结合粗糙集能够处理不精确、不完整信息的特点与支持向量机在解决小样本、非线性和高维模式识别中的优势，首先对粗糙集属性约简后的舰载火控系统样本数据进行降维处理，然后基于支持向量机的故障样本数据的最优判别函数对原始样本数据进行分类，最后输出舰载火控系统故障诊断结果和数据分类精度。
该方法不仅有效减少了故障诊断的时间，还显著提高了系统故障诊断的分类精度。
关键词：粗糙集；支持向量机；舰载火控系统；故障诊断中图分类号：TP18文献标志码：A DOI：10.15913/ki.kjycx.2021.02.066随着计算机芯片技术的飞速发展和计算机软件算法的优化改进，对舰载火控系统的故障诊断提出了越来越难的技术挑战。
现阶段，舰载火控系统的软硬件处理能力相比以前有了很大的提升，整个系统变得日益庞大和复杂，专家们目前已经提出了很多设备故障自检和定位的方法。
实现舰载火控系统精准故障定位，已成为在舰载火控系统设备研制和维护中需要亟待关注和解决的关键任务和主题。
由于舰载火控系统能够获取的故障样本数据较少，如果采用传统的机器学习或是专家系统的方法来进行故障诊断，很可能无法精确地建立舰载火控系统的故障模型，最终导致故障无法准确定位。
支持向量机技术尤其擅长处理数据量不大的小样本故障，它的最大优点是不仅能够避免“机器过学习”，而且能够高效处理非线性数据，避免特征空间的维数灾难。
粗糙集技术的核心是剔除冗余样本，实现故障样本数据的属性约简和值约简，降低故障样本的数据维度和训练复杂度。
基于粗糙集与支持向量机的故障智能分类方法
基于粗糙集与支持向量机的故障智能分类方法
徐袭;姚琼荟;石敏
【期刊名称】《计算技术与自动化》
【年(卷),期】2006(025)001
【摘要】结合粗糙集的属性约简与支持向量机的分类功能,提出一种应用粗糙集与支持向量机的故障分类方法.该方法应用粗糙集理论属性约简作为诊断数据预处理器,可将冗余属性从诊断决策表中删除,而不损失有效信息,然后基于支持向量机进行故障分类建模和预测.该方法可降低故障诊断数据维数及支持向量机在故障分类过程中的复杂度,但不会降低分类性能.将方法应用于某柴油机故障诊断数据的测试分类,结果表明该方法可快速正确的从数据获得故障类别.
【总页数】3页(P32-34)
【作者】徐袭;姚琼荟;石敏
【作者单位】海军工程大学电气与信息工程学院,湖北,武汉,430033;海军工程大学电气与信息工程学院,湖北,武汉,430033;海军工程大学电气与信息工程学院,湖北,武汉,430033
【正文语种】中文
【中图分类】TP29
【相关文献】
1.基于邻域粗糙集的支持向量机分类方法研究 [J], 韩虎;党建武;任恩恩
2.基于粗糙集和最小二乘支持向量机的文本分类方法 [J], 张庙林;牛犇
3.基于粗糙集和最小二乘支持向量机的文本分类方法 [J], 张庙林;牛犇
4.基于支持向量机的机械多故障智能分类方法研究 [J], 王长林;林玮;陈鸿宝;秦启茂;宋宜梅
5.基于粗糙集与模糊支持向量机的模式分类方法研究 [J], 胡学坤;李金霞;宋淑娜;高尚
因版权原因，仅展示原文概要，查看原文内容请购买。
基于粗糙集的柴油机故障诊断系统设计
ｅ ｇ ｎ ａ ｈ ｅ ｅ ｙ ｐ ｓｔ ｅｉ ｆ ｒ ｎ ｅ ｄｃ ｒｅａ ｉｇ ｃ ｎ ｏ ｔ ￣ｇ ， ｗｈ ｃ ｕ ｄｃ ｍｐ ｅｅｔ ｅｉ ｆ ｅ ｃ ｐ ｒ ｔ ｎ ｉ ａ ｌ ｄ ａ ｎ ｓｓ ｎ ｉ ｅｉ ｃ ｉｖ ｄｂ ｏ ｉ ｖ ｅ ｅ ｃ ｏ ｒ ｌｔ ｏ ｔ ｌ ｒ ｓ ｉ ｎ ｎ ａ ｎ ｒ ｓａ ｙ ｉｈ ｗｏ ｌ ｏ ｌ ｔ ｅ ｎ ｅｏ ｅ ａｉ ｆ ｕｔ ｉ ｇ ｏ ｉ ｈ ｎｒ ｏ ｎ ｓ ｓｅ ｙ ｔ ｍ． Ｉ ｅｙ ｅ ｃ ｅ ｃ ａ ｏ ｇ ｅ ｅ ｕ ｔ ｄ ｒ ｌ ｘ ａ ｔｂ ｓ ｄ ｏ ｒｐ ｏ ｒ ｍ ． Ｔ ｅ ｉ ｆｒ ｎ ｅ ｔ ｓｒ ｄ ｃ ｄ ａ ｄ ｔ ｅｗｏ ｋ ｔｉ ｖ ｒ ｆ ｉ ｎ ｙ ｔ ｔｒ ｕ ｈ ｓ ｔ ｄ ｃ ｅ ｅ ｔ ｃ ａ ｅ ｕ ｒ ｇ ａ ｓ ｉ ｈ ｒ ｎ ａ ｕ ｒ ｈ ｎ ｅ ｅ ｃ ｉ ｉ ｅ ｕ ｅ ， ｎ ｒ ｍｅ ｈ
ＬＩ Ｊ ｎ Ｕ ｕ
．．
【 ｏ ｅｅ ｆｎｏｍａ ｏ ，Ｚ ￣ｉ ｇ ｃ ａ ｎｖ ｒｉ ，Ｚ ｏ ｓａ １０ ０ ｈ ａ Ｃ ｌ ｇ Ｉｆ ｔ ｎ ｈ ａ ｅ Ｕ ｉｅｓｙ ｈ ｕｈｎ３ ６ ０ ，Ｃ ｉ ） ｌ ｏ ｒ ｉ ｎＯ ｎ ｔ ｎ
Ａｂ ｔ ａ ｔ Ａ ｒ ｇ ａ ｉ ｅ ｉ ｎ ｄ ｂ ｓ ｄｏ ｒ ｈ ｅｉ ｆ ｏ ｇ ｅ ｅ ｒ ｒ ｅ ｉｉｎ ｒ ｌ ｘ ｒ ｃ ｉｇ ａ ｄｐ ｒ ｍｅｅ ｄ ｃ ａ ｌ ｉ ｆｒ ｓ ｒ ｃ ： ｐ ｏ ｒ ｍ ｄ ｓ ｅ ａ ｅ ｎａ ｉ ｍ ｔｃｏ ｒ ｕ ｈ ｓ ｔ ｈ ｏ ｙ ｆ ｃ ｓｏ －ｕ ｅｅ ｔａ ｔ ｎ ａ ａ ｔ ｒ ｅ ｕ ｔ ｎ ｆ ｕ ｔ ｎ － ｓ ｇ ｔ ｔ ｏ ｄ ｎ ｒ ｉ ｏ
关 键 词 ： 糙 集 ； 属 性 约 简 ； 规 则 提 取 ； 推 理 ； 故 障 诊 断 粗
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
表２ 柴 油机 故障属性
特征频带 Ｉ 特征频带 １ Ｉ 特 征 频 带 Ⅲ Ｃ
用 的连 续 属 性 离 散 处 理 有 等 距 离 法 、等 频 率 法 以
及 最 大 熵 法 等 等 ，其 中最 大 熵 法 是 一 种 基 于 信 息
论 的 离 散 方 法 ，在 离 散 处 理 过 程 中能 够 有 效 地 控
区分 矩 阵 法 、遗 传 算 法 等 。本 次 试 验 使 用动 态 约
情 况 下 ，利 用 知 识 约 简 导 出概 念 的 分 类 规 则 。其
中 知 识 约 简 是 一 种 对 抽 象 或 者 现 实 对 象 进 行 分 类
简法 对 离 散 化 后 的数 据 信 息 进 行 信 息 决 策 系统 约 简 ，得 到 ． （ Ａ，Ｂ，Ｄ，Ｈ，Ｊ ，Ｋ） ｛ ； Ａ，Ｂ，Ｄ，Ｇ，
释 了论 域 中知 识 的 颗粒 结 构并 且 可 以 帮 助 定义 其
六 种 约 简 结 果 。信 息决 策 系统 的约 简是 寻 找 属 性
集 合 ，并 进 一 步分 析 其 中 的 隐含 信 息模 式 。为 了 能 够更 加 系统 、全 面的 表征 Ｅ １０型 柴 油发动 机 Ｑ６ １ 故 障 模 式 ，要 求约 简 后 的 属性 集 能 够 覆 盖 三 个 特 征 频带 以及 故障 特 征 的两 个 子空 间 【 ，１，【，２ ３ ］ ３ 】 属性 ，因此在 六种 约 简结 果 中选 择 ，Ｂ，Ｄ，Ｇ，
编号 Ａ
Ｂ
Ｃ
Ｄ
Ｅ
Ｆ
Ｇ
Ｈ
Ｉ
Ｊ
２ 粗 糙 集的 属性 约简 ）
粗 糙 集 的属 性 约 简 是 指 确保 分 类 能 力 不 变 的
简也 是一 项 重要 环 节 。 现 阶 段 比较 常 用 的信 息决
策 系统 的约 简 方法 包 括扩 展 法 则法 、动 态 约 简法 、
分 析 进 行 发 展 衍 生 出 了小 波 分 析 法 ，它 通 过 局 部 化 思 想 伴 随 频 率 增 高 而 缩 小 ，可 以较 精 确 的 分 辨 出高 频 信 号 有效 频 率 ，而 且 对 低 频 信 号也 能 表现
出更 长 的 时 间分 析 长 度 ，从 而 实 现 了 对信 号 全 貌
Ｉ
訇 化
粗糙集和支 持向量机 相整合 的柴油机故 障诊断算法
Ｄｉ ｅｌｅｎ ｎｅ ａｕｌ ａｇｎｏｓ ｓ ａｌ ｅｓ ｇｉ ｆ ｔｄｉ ｉ ｇｏｒｔ ｉｈｍ ｏｒｉ ｅｇｒ ｉ ｆ ｒ ｆ ｎｔ ａｔｏｎ ｏ ｏｕｇｈ ｓ ｓ ｅｔ ａｎｄ ｓｕｐｐ ｔｖｅｃｔ ａｃｈｉ ｅ ｏｒ ｏｒｍ ｎ
排 气 门打 孔 新排 气 门
数 时 就 显 得 相 当 繁 琐 ，所 以需 要 利 用 新 的 理 论 进 行 故 障 分 析 诊 断 。 因 此本 文 主 要 研 究 基 于 粗 糙 集 和支 持 向量机 相整 合 的柴 油机故 障诊 断算 法 。 粗糙 理论 是 １ ８ ９ ２年 波兰学 者 Ｐ ｗｌ ａ ａ Ｚ教 授提 ｋ 出的 ，具 体 是指 在 分 类 定义 下 诠 释 了模 糊 性 以及 不 确 定 性 的 概 念 ，能够 很 好 的解 决 具 有 隐 含 因素 的 问 题 ，同 时作 为 一 种 新 型 工 具 ，它 还 广 泛 应 用 于 获 取 知 识 、选 择 特 征 属 性 、数 据 约 简 、属 性 重
及 其 局 部 特征 的双 重 分 析 。 因此 可 以解 决 柴 油 发 动机 之 类 的非平 稳 信号 的故 障分 析诊 断 。 试 验 中测取 Ｅ １０型 柴油 发 动机 缸体 的第二 Ｑ６ １
柴 油 发 动机 故 障 进 行诊 断 分 析之 前 ，首 先 需 要 对 获 取 的连 续 值 型 属性 进 行 离散 处 理 。 具 体 是 指将
离散 型 属性 ，然 后 将通 过 转 化 的 属性 进 行粗 糙 集
理 论 分 析 。 在 进 行连 续 属性 离散 处 理 时还 应 该 满 足 经过 连 续 属性 的离 散 化 处 理 后 ，空 间 维数 应 该 尽 可 能 减 小 以及 连 续 属 性 值 经 过 离散 化 处 理 后 尽 量 减 少 信 息 的丢 失 这 两 方 面 要 求 。现 阶 段 比较 常
制 信 息 的 损 失 量 。 因此 本 次 试 验 就 以最 大 熵 法 对
属性 峭度 裕度 脉冲 峭度 裕度 脉冲 峭度 裕度 脉冲 能量
指 标 指 标 指 标 指 标ቤተ መጻሕፍቲ ባይዱ指 标 指 标 指 标 指 标 指 标 均值
Ｅ １０型 柴 油发 动机 故 障 样本 的 连续 值 型进 行 离 Ｑ６ １ 散化 处理 。 另 外 ，在 粗 糙 集 理 论 当 中信 息 决 策 系统 的 约
率 ３ｋ ｚ ２ Ｈ ，测取 试验数 据 如表 １ 所示 ：
表 １ 油机故障描述
编号 进气 门间隙 排气 门间隙
／ ｍｍ ／ ｍｍ
发 动 机 最 常 见 的 故 障 是 气 门 间隙 故 障 ，一 旦 气 门 间 隙 出现 异 常 将 直 接 导 致 发 动 机 无 法 正 常 工 作 ， 因此 能 够 针 对 性 的对 柴 油 发 动 机 进 行 故 障 诊 断是
无 穷个 取 值 的连 续 值 型 属 性 转 变 为 有 穷 个 取值 的
缸振 动 信 号 的频 域 功 率谱 中区 分 出三 个 特 征频 带 ， 各 个 特 征 频 带 的 频 域 特 征 参 数 分 别 表 示 为 峭 度 指
标 、裕 度 指标 以 及 脉 冲 指 标 。通 过 小 波 分 析 将 振 动信 号 分解 到第 三 层 ，得 到可 以表 征 Ｅ １０型柴 Ｑ６ １
提 高 发 动 机 工 作 效 率 以 及 使 用 寿 命 的关 键 所 在 。 根 据 以往 的故 障 分 析 经 验来 看 ， 以试 验 的 方 式 获 取 故 障 特 征 参数 通 常 是 不 完备 、冗 余 甚 至 会 出现
彼 此 矛 盾 的现 象 ，使 得 在 进 一 步 处 理 这 些 特 征 参
故障描述
配 气 机 构 正 常
１ ２
Ｏ３ ． Ｏ Ｏ３ ＿ ０
Ｏ３ － ０ ０５ ． ０
进 气 间隙 正 常 ，排 气 间隙 大
３
４ ５
Ｏ３ － Ｏ
０３ － Ｏ ０３ － ０
Ｏ１ ． Ｏ
进气 间隙正 常，排气 间隙小
排 气 门严 重 漏 气 排 气 门轻 微 漏 气
浅析 。
关键词 ： 粗糙集 ；支持向量机 ；柴油机 ；故障诊 断 中国分类号 ：Ｔ ４ Ｋ２ 文献标识码 ：Ｂ 文章编号 ：１０ —０ ３ （ ０ ０ （ 一 ０ ６ ０ ０ ９ １ ４ ２ １ ） ５ 下） ０ ９ — ３ ２
Ｄｏ： ．９ ９ Ｊｉｓ ．０ ９ １ ４ ２ １ ．（ ） ２ ｉ１ ３ ６ ／ ． ｎ １ ０ －０ ３ ．０ ５下 ．８ ０ ｓ ２
从 线 性 可 分 情 况 下 的最 优 分 类 面 发 展 形 成 的 ，是
基 于 统 计 学 习理 论 ，可 以 解 决 小 样 本 、非 线 性 以 及 高维 模式 识别 等 问题 。
２ 柴油发动机故 障诊断 的试验设计
试 验 使 用 的 是 Ｅ １０型 柴 油 发 动 机 ，测 取 Ｑ６ １
油 发 动 机 故 障 特 征 的两 个 子 空 间 ［，１ ，［ ，２ ， ３ 】 ３ 】 分 别 记 作 Ｃ［， １，Ｃ ３ 】 将 能 量 的 平 均 值 作 ３ 】 ［ ，２ ， 为 时 、频 特 征 参 数 同 时构 成 粗 糙 集 知 识 系 统 中 的 属 性 ，然 后进 行编 号 ，具体 如 表 ２所示 。
Ｉ ；（ ，） ． Ａ，Ｂ，Ｄ，Ｇ，Ｊ ，Ｋ） ． ；（ Ａ，Ｂ，Ｄ，Ｇ，Ｈ， Ｊ ； Ａ，Ｂ，Ｄ，Ｇ，Ｊ ） ＜ ，Ｋ＞ ． ；（ Ａ，Ｂ，Ｄ，Ｉ ，Ｋ） ，Ｊ
的 能 力 ，即 区 分所 有 个 体 的 属 性 ，然 后 将 个 体 差
异 不 大 的 进 行 归 类 整 理 ，彼 此之 间 形 成 不 可 分 辨 关 系 。不 可 分 辨 关 系 是 粗 糙 集 理 论 的基 础 ，它 诠
发 动 机 缸 体 的第 二 缸 振 动 信 号 ，然 后模 拟 七 种 不
找具 有典 型 性 的 特 征 频 率 并且 进 行 分 离 是相 当 困
难的 。
同 的进 气 门与 排气 门间隙 状 态 以及 正 常工 作状 态 ，
收 稿 日 期 ：２ １－ ３ ３ ０ ２ ０ －１
作者简介：袁平 （９ ９ １７ 一），男，广西桂 林人 ，硕士 ，研 究方 向为机械工程 自动化设计 、虚拟现实及仿真技 术、计算机 云计算及虚拟化技术 。 Ｉ ６ 第３ 卷 ９】 ４ 第５ 期 ２１— （ ） ０２ ５下
进 行 试 验 时 首 先 是 气 门 故 障 特 征 提 取 ，在 Ｅ １０型 柴 油 发 动 机 的 工 作 过 程 中 ， 气 缸 内 的 Ｑ６ １ 空 气 压 缩 会 使 气 门 与 气 门座 间产 生 冲 击 并 且 程 周 期 性 循 环 ，而 发动 机 的气 缸 盖 也 会 因此 出现 振 动 从 而 引发 柴 油机 故 障 。当 发动 机 出现 异 常振 动 时 ， 通 过 对 振 动 信 息 进 行 深 入研 究 可 以 发现 占主 导 地 位 的 是非 平 稳 信 号 ，所 以传 统 的傅 里 叶分 析 无 法 对 其 进 行 有 效 的 处 理 。再 加 上 柴 油发 动 机 的振 动 特 性 具 有 高 度 的复 杂 性 ，仅 仅 一 个部 位 的振 动 信 号就 包含 了很 多零 部 件 的振 动 信 息 ，要 想从 中 寻
要 度 度 量 等 各 个 方 面 。 支持 向量 机 的基 本 思 想 是
６
７ ８
Ｏ５ ． Ｏ
特征频带 Ｉ 特征频带 １ Ｉ 特 征 频 带 Ⅲ Ｃ
用 的连 续 属 性 离 散 处 理 有 等 距 离 法 、等 频 率 法 以
及 最 大 熵 法 等 等 ，其 中最 大 熵 法 是 一 种 基 于 信 息
论 的 离 散 方 法 ，在 离 散 处 理 过 程 中能 够 有 效 地 控
区分 矩 阵 法 、遗 传 算 法 等 。本 次 试 验 使 用动 态 约
情 况 下 ，利 用 知 识 约 简 导 出概 念 的 分 类 规 则 。其
中 知 识 约 简 是 一 种 对 抽 象 或 者 现 实 对 象 进 行 分 类
简法 对 离 散 化 后 的数 据 信 息 进 行 信 息 决 策 系统 约 简 ，得 到 ． （ Ａ，Ｂ，Ｄ，Ｈ，Ｊ ，Ｋ） ｛ ； Ａ，Ｂ，Ｄ，Ｇ，
释 了论 域 中知 识 的 颗粒 结 构并 且 可 以 帮 助 定义 其
六 种 约 简 结 果 。信 息决 策 系统 的约 简是 寻 找 属 性
集 合 ，并 进 一 步分 析 其 中 的 隐含 信 息模 式 。为 了 能 够更 加 系统 、全 面的 表征 Ｅ １０型 柴 油发动 机 Ｑ６ １ 故 障 模 式 ，要 求约 简 后 的 属性 集 能 够 覆 盖 三 个 特 征 频带 以及 故障 特 征 的两 个 子空 间 【 ，１，【，２ ３ ］ ３ 】 属性 ，因此在 六种 约 简结 果 中选 择 ，Ｂ，Ｄ，Ｇ，
编号 Ａ
Ｂ
Ｃ
Ｄ
Ｅ
Ｆ
Ｇ
Ｈ
Ｉ
Ｊ
２ 粗 糙 集的 属性 约简 ）
粗 糙 集 的属 性 约 简 是 指 确保 分 类 能 力 不 变 的
简也 是一 项 重要 环 节 。 现 阶 段 比较 常 用 的信 息决
策 系统 的约 简 方法 包 括扩 展 法 则法 、动 态 约 简法 、
分 析 进 行 发 展 衍 生 出 了小 波 分 析 法 ，它 通 过 局 部 化 思 想 伴 随 频 率 增 高 而 缩 小 ，可 以较 精 确 的 分 辨 出高 频 信 号 有效 频 率 ，而 且 对 低 频 信 号也 能 表现
出更 长 的 时 间分 析 长 度 ，从 而 实 现 了 对信 号 全 貌
Ｉ
訇 化
粗糙集和支 持向量机 相整合 的柴油机故 障诊断算法
Ｄｉ ｅｌｅｎ ｎｅ ａｕｌ ａｇｎｏｓ ｓ ａｌ ｅｓ ｇｉ ｆ ｔｄｉ ｉ ｇｏｒｔ ｉｈｍ ｏｒｉ ｅｇｒ ｉ ｆ ｒ ｆ ｎｔ ａｔｏｎ ｏ ｏｕｇｈ ｓ ｓ ｅｔ ａｎｄ ｓｕｐｐ ｔｖｅｃｔ ａｃｈｉ ｅ ｏｒ ｏｒｍ ｎ
排 气 门打 孔 新排 气 门
数 时 就 显 得 相 当 繁 琐 ，所 以需 要 利 用 新 的 理 论 进 行 故 障 分 析 诊 断 。 因 此本 文 主 要 研 究 基 于 粗 糙 集 和支 持 向量机 相整 合 的柴 油机故 障诊 断算 法 。 粗糙 理论 是 １ ８ ９ ２年 波兰学 者 Ｐ ｗｌ ａ ａ Ｚ教 授提 ｋ 出的 ，具 体 是指 在 分 类 定义 下 诠 释 了模 糊 性 以及 不 确 定 性 的 概 念 ，能够 很 好 的解 决 具 有 隐 含 因素 的 问 题 ，同 时作 为 一 种 新 型 工 具 ，它 还 广 泛 应 用 于 获 取 知 识 、选 择 特 征 属 性 、数 据 约 简 、属 性 重
及 其 局 部 特征 的双 重 分 析 。 因此 可 以解 决 柴 油 发 动机 之 类 的非平 稳 信号 的故 障分 析诊 断 。 试 验 中测取 Ｅ １０型 柴油 发 动机 缸体 的第二 Ｑ６ １
柴 油 发 动机 故 障 进 行诊 断 分 析之 前 ，首 先 需 要 对 获 取 的连 续 值 型 属性 进 行 离散 处 理 。 具 体 是 指将
离散 型 属性 ，然 后 将通 过 转 化 的 属性 进 行粗 糙 集
理 论 分 析 。 在 进 行连 续 属性 离散 处 理 时还 应 该 满 足 经过 连 续 属性 的离 散 化 处 理 后 ，空 间 维数 应 该 尽 可 能 减 小 以及 连 续 属 性 值 经 过 离散 化 处 理 后 尽 量 减 少 信 息 的丢 失 这 两 方 面 要 求 。现 阶 段 比较 常
制 信 息 的 损 失 量 。 因此 本 次 试 验 就 以最 大 熵 法 对
属性 峭度 裕度 脉冲 峭度 裕度 脉冲 峭度 裕度 脉冲 能量
指 标 指 标 指 标 指 标ቤተ መጻሕፍቲ ባይዱ指 标 指 标 指 标 指 标 指 标 均值
Ｅ １０型 柴 油发 动机 故 障 样本 的 连续 值 型进 行 离 Ｑ６ １ 散化 处理 。 另 外 ，在 粗 糙 集 理 论 当 中信 息 决 策 系统 的 约
率 ３ｋ ｚ ２ Ｈ ，测取 试验数 据 如表 １ 所示 ：
表 １ 油机故障描述
编号 进气 门间隙 排气 门间隙
／ ｍｍ ／ ｍｍ
发 动 机 最 常 见 的 故 障 是 气 门 间隙 故 障 ，一 旦 气 门 间 隙 出现 异 常 将 直 接 导 致 发 动 机 无 法 正 常 工 作 ， 因此 能 够 针 对 性 的对 柴 油 发 动 机 进 行 故 障 诊 断是
无 穷个 取 值 的连 续 值 型 属 性 转 变 为 有 穷 个 取值 的
缸振 动 信 号 的频 域 功 率谱 中区 分 出三 个 特 征频 带 ， 各 个 特 征 频 带 的 频 域 特 征 参 数 分 别 表 示 为 峭 度 指
标 、裕 度 指标 以 及 脉 冲 指 标 。通 过 小 波 分 析 将 振 动信 号 分解 到第 三 层 ，得 到可 以表 征 Ｅ １０型柴 Ｑ６ １
提 高 发 动 机 工 作 效 率 以 及 使 用 寿 命 的关 键 所 在 。 根 据 以往 的故 障 分 析 经 验来 看 ， 以试 验 的 方 式 获 取 故 障 特 征 参数 通 常 是 不 完备 、冗 余 甚 至 会 出现
彼 此 矛 盾 的现 象 ，使 得 在 进 一 步 处 理 这 些 特 征 参
故障描述
配 气 机 构 正 常
１ ２
Ｏ３ ． Ｏ Ｏ３ ＿ ０
Ｏ３ － ０ ０５ ． ０
进 气 间隙 正 常 ，排 气 间隙 大
３
４ ５
Ｏ３ － Ｏ
０３ － Ｏ ０３ － ０
Ｏ１ ． Ｏ
进气 间隙正 常，排气 间隙小
排 气 门严 重 漏 气 排 气 门轻 微 漏 气
浅析 。
关键词 ： 粗糙集 ；支持向量机 ；柴油机 ；故障诊 断 中国分类号 ：Ｔ ４ Ｋ２ 文献标识码 ：Ｂ 文章编号 ：１０ —０ ３ （ ０ ０ （ 一 ０ ６ ０ ０ ９ １ ４ ２ １ ） ５ 下） ０ ９ — ３ ２
Ｄｏ： ．９ ９ Ｊｉｓ ．０ ９ １ ４ ２ １ ．（ ） ２ ｉ１ ３ ６ ／ ． ｎ １ ０ －０ ３ ．０ ５下 ．８ ０ ｓ ２
从 线 性 可 分 情 况 下 的最 优 分 类 面 发 展 形 成 的 ，是
基 于 统 计 学 习理 论 ，可 以 解 决 小 样 本 、非 线 性 以 及 高维 模式 识别 等 问题 。
２ 柴油发动机故 障诊断 的试验设计
试 验 使 用 的 是 Ｅ １０型 柴 油 发 动 机 ，测 取 Ｑ６ １
油 发 动 机 故 障 特 征 的两 个 子 空 间 ［，１ ，［ ，２ ， ３ 】 ３ 】 分 别 记 作 Ｃ［， １，Ｃ ３ 】 将 能 量 的 平 均 值 作 ３ 】 ［ ，２ ， 为 时 、频 特 征 参 数 同 时构 成 粗 糙 集 知 识 系 统 中 的 属 性 ，然 后进 行编 号 ，具体 如 表 ２所示 。
Ｉ ；（ ，） ． Ａ，Ｂ，Ｄ，Ｇ，Ｊ ，Ｋ） ． ；（ Ａ，Ｂ，Ｄ，Ｇ，Ｈ， Ｊ ； Ａ，Ｂ，Ｄ，Ｇ，Ｊ ） ＜ ，Ｋ＞ ． ；（ Ａ，Ｂ，Ｄ，Ｉ ，Ｋ） ，Ｊ
的 能 力 ，即 区 分所 有 个 体 的 属 性 ，然 后 将 个 体 差
异 不 大 的 进 行 归 类 整 理 ，彼 此之 间 形 成 不 可 分 辨 关 系 。不 可 分 辨 关 系 是 粗 糙 集 理 论 的基 础 ，它 诠
发 动 机 缸 体 的第 二 缸 振 动 信 号 ，然 后模 拟 七 种 不
找具 有典 型 性 的 特 征 频 率 并且 进 行 分 离 是相 当 困
难的 。
同 的进 气 门与 排气 门间隙 状 态 以及 正 常工 作状 态 ，
收 稿 日 期 ：２ １－ ３ ３ ０ ２ ０ －１
作者简介：袁平 （９ ９ １７ 一），男，广西桂 林人 ，硕士 ，研 究方 向为机械工程 自动化设计 、虚拟现实及仿真技 术、计算机 云计算及虚拟化技术 。 Ｉ ６ 第３ 卷 ９】 ４ 第５ 期 ２１— （ ） ０２ ５下
进 行 试 验 时 首 先 是 气 门 故 障 特 征 提 取 ，在 Ｅ １０型 柴 油 发 动 机 的 工 作 过 程 中 ， 气 缸 内 的 Ｑ６ １ 空 气 压 缩 会 使 气 门 与 气 门座 间产 生 冲 击 并 且 程 周 期 性 循 环 ，而 发动 机 的气 缸 盖 也 会 因此 出现 振 动 从 而 引发 柴 油机 故 障 。当 发动 机 出现 异 常振 动 时 ， 通 过 对 振 动 信 息 进 行 深 入研 究 可 以 发现 占主 导 地 位 的 是非 平 稳 信 号 ，所 以传 统 的傅 里 叶分 析 无 法 对 其 进 行 有 效 的 处 理 。再 加 上 柴 油发 动 机 的振 动 特 性 具 有 高 度 的复 杂 性 ，仅 仅 一 个部 位 的振 动 信 号就 包含 了很 多零 部 件 的振 动 信 息 ，要 想从 中 寻
要 度 度 量 等 各 个 方 面 。 支持 向量 机 的基 本 思 想 是
６
７ ８
Ｏ５ ． Ｏ