BDE-LSSVM在柴油機氣門故障診斷中的應用

曹龍漢，唐超，何俊強，武明亮，田力，吳珍毅

1.重慶通信學院 控制工程重點實驗室，重慶 400035

2.重慶理工大學 汽車零部件制造及檢測技術教育部重點實驗室，重慶 400050

BDE-LSSVM在柴油機氣門故障診斷中的應用

曹龍漢1，2，唐超1，何俊強1，武明亮1，田力1，吳珍毅1

1.重慶通信學院 控制工程重點實驗室，重慶 400035

2.重慶理工大學 汽車零部件制造及檢測技術教育部重點實驗室，重慶 400050

1 引言

隨著科學技術的飛速發展，機械設備朝著復雜化、綜合化等高度自動化方向發展，從而造成機械設備結構日益復雜。柴油機是目前應用最廣泛的動力設備之一，其自身結構十分復雜，因此柴油機故障必然呈現出復雜性和多樣性的特點[1]。氣門是柴油機中最容易發生故障的零件之一，其一旦發生故障將最終影響整臺設備的性能，造成巨大的經濟損失和人員傷亡。傳統的定期檢修和事后維修的成本高，效率低且缺乏事故預見能力[2]。預報潛在的故障并采取措施，不僅能夠避免設備故障，而且能夠節省維修費用，因此對柴油機氣門故障的研究具有重要的現實意義。

人工智能技術的興起使柴油機氣門故障診斷研究實現了飛躍式的發展。近年來，一些人工智能算法被應用到故障診斷研究中，并取得了很好的效果，比如，模糊控制、人工神經網絡、支持向量機等[3-5]。支持向量機通過結構風險最小化原理較好地解決了小樣本、非線性等問題。最小二乘支持向量機（LSSVM）是支持向量機的一個改進，它采用平方項優化指標，并用等式約束代替支持向量機的不等式約束。……