应用优化DHKELM的柴油机故障诊断方法

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。