内燃机工程

作者：蔡一杰,陈俊杰,王君,张云东,杨建国

单位：湖北工业大学 机械工程学院,武汉 430068,湖北工业大学 现代制造质量工程湖北省重点实验室,武汉 430068,武汉理工大学 能源与动力工程学院,武汉 430070,湖北工业大学 机械工程学院,武汉 430068,湖北工业大学 机械工程学院,武汉 430068,中国海警局某直属局,三亚 572000,武汉理工大学 能源与动力工程学院,武汉 430070

关键词：柴油机,故障诊断,气门漏气,遗传算法,支持向量机,故障模式识别,

基金：湖北工业大学高层次人才基金项目（BSQD2020010）； 智能中速柴油机关键技术研究项目（工信部装函［2019］ 360号）； 现代制造质量工程湖北省重点实验室开放基金项目（KFJJ-2021012）

针对船用柴油机气阀漏气故障的问题，提出一种结合遗传算法（genetic algorithm， GA）与支持向量机（support vector machine， SVM）的船舶柴油机气阀漏气振动诊断方法，称之为遗传算法优化支持向量机（GA-SVM）。通过分析静态与动态工况下的缸盖振动信号，提取训练SVM特征参数，利用GA-SVM的惩罚因子与核函数参数对故障进行识别。试验结果表明，GA-SVM方法完善了SVM参数选取方法，可有效识别柴油机气门漏气故障。优化后的整体故障诊断准确率为99.333%，相比于未优化前的测试集，故障诊断正确率提高了约2%。

来源：2022年第2期

《内燃机工程》期刊编辑部

查看内燃机工程杂志2022年第2期