【作者】

王拓; 裴海俊; 黄英; 王健; 王绪

【单位】

北京理工大学; 北京理工大学机械与车辆学院

【摘要】

提出了一种基于集成经验模式分解 ( Ensemble Empirical Mode Decomposition，EEMD) 和样本熵的高压共轨系统轨压信号的特征参数提取方法，并采用极限学习机 ( Extreme Learning Machine，ELM) 对喷油器故障进行诊断。通过AMEsim建立高压共轨模型，通过喷油器故障注入获得轨压信号；采用EEMD对信号进行分解，选择高频固有模态函数分量( Intrinsic Mode Function，IMF)，计算其样本熵和能量值，结合时域特征作为故障特征数据集；将故障特征数据集作为输入训练ELM，筛选合适的隐含点个数，建立故障诊断模型，采用测试数据集对ELM故障诊断模型进行验证，结果表明法能有效提取喷油器故障特征并准确地识别出故障类型。

【关键词】

共轨系统;故障诊断;集成经验模态分解;极限学习机

【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】

2

返回