应用优化DHKELM的柴油机故障诊断方法 |
| |
引用本文: | 刘子昌,白永生,韩月明,贾希胜.应用优化DHKELM的柴油机故障诊断方法[J].陆军工程大学学报,2024(1):77-85. |
| |
作者姓名: | 刘子昌 白永生 韩月明 贾希胜 |
| |
作者单位: | 1. 陆军工程大学石家庄校区 |
| |
基金项目: | 国家自然科学基金(71871220); |
| |
摘 要: | 为准确、高效地对柴油机故障进行诊断,提出应用优化深度混合核极限学习机(deep hybrid kernel extreme learning machine, DHKELM)的柴油机故障诊断方法。该方法以各样本的频谱幅值作为故障特征,归一化处理后作为DHKELM模型的输入,从而实现对柴油机各故障状态的识别。相较极限学习机,该模型具有更深层次的结构,引入了混合核函数以及自动编码器,可以准确区分易混淆的故障类型,提高诊断准确率。针对DHKELM模型中各个超参数难以确定的问题,提出利用改进麻雀搜索算法(improved sparrow search algorithm, ISSA)对模型中各超参数进行寻优,充分发挥模型的故障诊断性能。实验结果表明,在实验室实测数据中,所提方法较传统方法具有较好的故障诊断精度,为柴油机故障诊断提供了一种新的思路。
|
关 键 词: | 柴油机 故障诊断 深度混合核极限学习机 改进麻雀搜索算法 |
|
|