基于正交经验模态分解的活塞销磨损特征提取算法

作     者：杨昊 翟玉彬 梁建辉 郭栋梁 刘先良 张瑞 YANG Hao;ZHAI Yubin;LIANG Jianhui;GUO Dongliang;LIU Xianliang;ZHANG Rui

作者机构：青岛农业大学机电工程学院青岛266109 

出 版 物：《农业机械学报》 (Transactions of the Chinese Society for Agricultural Machinery)

年 卷 期：2024年第55卷第S1期

页      面：412-419页

核心收录：

学科分类：082803[工学-农业生物环境与能源工程] 08[工学] 0828[工学-农业工程] 

基　　金：山东省自然科学基金项目(ZR2020QF062) 

主　　题：活塞销磨损 振动特征提取 正交经验模态分解 连续小波变换 主元分析 K-means聚类 

摘      要：由于活塞销磨损特征信号容易受到柴油机运行过程中的环境振动噪声干扰,构建有效的振动信号分解和降噪算法体系是实现活塞销磨损信号特征提取的有效途径,这对于建立可靠、精确的二元分类器模型来识别活塞销磨损至关重要。针对振动信号分解和降噪问题,本文提出一种基于正交经验模态分解(Orthogonal empirical mode decomposition,OEMD)结合连续小波变换(Continuous wavelet transform,CWT)和主元分析(Principal component analysis,PCA)的振动信号特征提取法。利用正交传感器布局采集实际运行中柴油机活塞销的振动信号,采用OEMD将正交融合后的振动信号分解为多个经验模态函数(Intrinsic mode function,IMF),然后选取能量占比85%的前4个IMF分量进行CWT处理得到小波系数矩阵,最后将该矩阵经PCA运算后的最优得分矩阵输入K-means聚类算法中进行分类。实际实验数据验证了所提方法的有效性,正交融合结果综合了整体趋势和极值分布,因此比单一传感器更可靠,从而避免了因传感器安装位置不合适而造成的干扰或特征缺失。通过与EMD-AR谱算法以及变分模态分解(Variational mode decomposition,VMD)算法对比,本文所提方法具有更强的降噪和特征提取能力,在K-means算法中分类效果较为明显,为二分类器建模识别活塞销磨损奠定了基础。