基于一步向前预测回归树的内燃机振动信号趋势预测

针对内燃机振动信号非线性、非平稳特点,提出了一种基于一步向前预测回归树的新模型。首先确定合适的嵌入维数和时间延迟,从而据此确定回归树的输入;然后,建立回归树预测模型;最后,用原始时间序列对所建立的模型进行预测性能评价,并将此方法与神经网络、支持向量机预测方法相比较。

基于关联维数与支持向量机的内燃机故障诊断研究

为解决内燃机故障诊断这一复杂问题,在ANSYS环境下,对6110型内燃机曲轴在正常工作状态和几种故障状态下进行瞬态动力学分析,得到曲轴的振动信号,对各信号进行相空间重构,并计算其关联维数,采用支持向量机(SVM)直接对关联维数进行分类,从而将配气机构的故障诊断转换为对曲轴振动信号关联维数的分类。研究结果表明:内燃机曲轴在不同工作状态下,振动信号的关联维数各不相同,将关联维数作为特征参数能够去除内燃机曲轴振动信号时域图中的冗余信息,突出故障类型,将关联维数与支持向量机相结合能够较好地解决内燃机故障诊断中的样本少、维数高等问题。