【作者】

任畅; 宋恩哲; 姚崇; 柯赟

【单位】

哈尔滨工程大学

【摘要】

针对柴油机共轨喷油器退化过程中特征信息微弱、特征信息被强噪声淹没导致的健康状态评估准确率低的问题，提出了一种基于层次加权排列熵特征提取和支持向量机模式识别的健康状态评估模型，并通过改进的鲸鱼优化算法对支持向量机模式识别模型进行了优化。为了证明该模型的可行性和有效性，分别对比了不同特征提取方法和不同智能优化算法对诊断结果的影响，结论是采用层次加权排列熵方法时识别准确率达到97.5％，相较于多尺度加权排列熵准确率提高了5.8％，相较于多尺度排列熵准确率提高了7.5％；改进鲸鱼优化算法可以使支持向量机的平均识别准确率达到94.6907％，高于标准鲸鱼优化算法的87.7207％和灰狼优化算法的84.05％。该模型相较于传统方法使对喷油器健康状态的识别更加准确可靠。

【关键词】

健康状态评估;层次加权排列熵;改进鲸鱼优化算法;支持向量机

【论文集名称】

智能动力

【会议名称】

交通能源与智能动力大会

【会议时间】

2022-11-24至2022-11-29

【会议地点】

上海

【下载次数】

4

返回