典型文献
基于摩擦振动信号的缸套-活塞环磨损状态识别研究
文献摘要：
基于摩擦振动信号的多重分形特征,提出利用多重分形去趋势波动分析(multi-fractal detrended fluctuation analysis,MF–DFA)和支持向量机(support vector machine,SVM)相结合的方法识别缸套—活塞环磨损状态.在Bruker UMT—3摩擦磨损试验机上进行了柴油机气缸套—活塞环的摩擦磨损模拟试验.应用总体模态分解(ensemble empirical mode decomposition,EEMD)方法对测取振动信号进行降噪处理,获取能够表征摩擦副表面接触特性的摩擦振动信号.通过MF–DFA方法计算得到不同磨损状态下摩擦振动信号多重分形谱,由多重分形谱构造特征向量,通过差分进化(differential evolution,DE)算法对SVM参数进行优化,识别不同摩损状态.试验结果表明,正常磨损状态识别准确率为100％,磨合磨损状态和急剧磨损状态识别结果存在轻微混淆.所提方法可以实现缸套—活塞环不同磨损状态的识别.
文献关键词：
多重分形去趋势波动分析;支持向量机;总体模态分解;差分进化;摩擦振动
中图分类号：
作者姓名：
于海杰;魏海军;李精明;曹辰
作者机构：
上海海事大学 商船学院,上海 201306
文献出处：
引用格式：
[1]于海杰;魏海军;李精明;曹辰-.基于摩擦振动信号的缸套-活塞环磨损状态识别研究)[J].内燃机工程,2022(03):57-62
A类：
总体模态分解
B类：
摩擦振动,振动信号,活塞环,磨损状态,状态识别,多重分形特征,多重分形去趋势波动分析,multi,fractal,detrended,fluctuation,analysis,MF,DFA,support,vector,machine,方法识别,Bruker,UMT,摩擦磨损试验机,柴油机,气缸套,模拟试验,ensemble,empirical,mode,decomposition,EEMD,降噪处理,摩擦副,接触特性,多重分形谱,构造特征,特征向量,差分进化,differential,evolution,DE,识别准确率,磨合,微混
AB值：
0.309817
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
