车用发动机

作者：冯海波，毛玉欣，孔祥鑫，张探军，刘峰春，叶俊杰

单位：中国北方发动机研究所天津，天津300406

关键词：卷积神经网络；支持向量机；灰狼优化算法；柴油机；故障诊断

准确、有效的故障诊断是柴油机安全可靠运行的重要保障。基于热工参数诊断的方法存在测点多、专业性强等问题,传统机器学习结合振动信号诊断方法存在人为影响因素过高、不确定性大等问题，因此提出了一种基于1DCNN-GWO-SVM的柴油机喷油系统故障诊断方法。首先利用一维卷积神经网络（one-dimensional convolutional neural network,1DCNN）对时域下的柴油机振动加速度信号进行自学习特征提取，然后利用提取到的特征向量训练支持向量机（support vector machine,SVM）分类模型，并利用灰狼优化算法（grey wolf optimization,GWO）对SVM的C，g等超参数进行寻优，以此来实现对柴油机的“端对端”故障诊断。在实例验证中，1DCNN-GWO-SVM在测试集上能达到99.10%的诊断准确率，优于传统的机器学习故障诊断方法，并且在信噪比为分别10 dB，20 dB，30 dB的干扰环境下，依然能保持90%以上的诊断准确率。结果表明：1DCNN-GWO-SVM是一种预测精度高、泛化能力强、抗干扰能力强的柴油机“端对端”喷油系统故障诊断方法，具有实际工程应用价值。

来源：2024年第4期

《车用发动机》期刊编辑部

查看车用发动机杂志2024年第4期