基于特征融合的往复式压缩机气阀故障诊断

作     者：王康 宋朝琪 聂方 袁宗泽 任护国 尧阳烽 余永华 WANG Kang;SONG Chaoqi;NIE Fang;YUAN Zongze;REN Huguo;YAO Yangfeng;YU Yonghua

作者机构：中国空气动力研究与发展中心四川绵阳621000 武汉理工大学船海与能源动力工程学院湖北武汉430063 武汉理工大学船舶动力工程技术交通运输行业重点实验室湖北武汉430063 

出 版 物：《机床与液压》 (Machine Tool & Hydraulics)

年 卷 期：2025年第53卷第1期

页      面：151-156页

学科分类：080704[工学-流体机械及工程] 08[工学] 0807[工学-动力工程及工程热物理] 

基　　金：某横向项目(202302HX03) 

主　　题：气阀 故障诊断 t-分布随机近邻嵌入 特征融合 K-近邻算法 

摘      要：针对仅依靠单一信号难以准确诊断气阀故障且缺乏多参数综合利用的气阀故障诊断方法的问题,提出一种基于t-分布随机近邻嵌入(t-SNE)特征降维融合的往复式压缩机气阀故障诊断方法。以某型四级高压往复式压缩机为研究对象,通过故障模拟试验获取进、排气阀不同典型故障下的热力参数和声发射信号,利用t-SNE降维算法将不同信号源提取的高维特征参数融合降维,并基于K-近邻算法(KNN)构建气阀故障诊断模型。结果表明:与其他降维算法相比,经t-SNE降维后,同类样本的类内距离小,不同类型故障样本类间距离较大,可以有效区分进排气阀的各类故障;多信号特征融合降维后,基于KNN分类算法构建的气阀故障诊断模型能有效识别气阀故障,其准确率为100%。