基于贝叶斯优化模型的涡轮增压4缸发动机故障诊断

为提高故障诊断方法的精度并减少评估时间,通过对涡轮增压4缸发动机的声信号分析,提出了一种新的发动机故障诊断方法。利用小波包变换（WPT）进行时频分析,并从小波包变换的高、低系数中提取统计特征;然后,利用提取的特征对标准分类模型、贝叶斯优化模型和主成分分析（PCA）结合贝叶斯优化模型进行分析比较。结果表明：与标准模型相比,后2个模型都具有更高的准确度、精密度、灵敏度、特异度和F1值（调和均值）;在相似的准确度水平下,PCA结合贝叶斯优化模型比贝叶斯优化模型减少了20%左右的总评估时间和19%的测试时间。PCA结合贝叶斯优化模型在降低计算复杂度和减少评估时间的同时保证了良好的精密度,可为发动机实时故障诊断提供参考。