基于 EMD-WVD 与 LNMF 的内燃机故障诊断

内燃机的振动信号是复杂非平稳信号，准确提取内燃机振动信号中的特征信息进行模式识别，是对振动信号进行故障诊断的关键。基于经验模态分解的维格纳时频分析方法，不但保留了维格纳分布的所有优良特，而且还避免了交叉项的干扰，能够有效地提取内燃机振动信号的特征信息；在此基础之上，针对传统非负矩阵分解非正交的基矩阵导致数据冗余性较大、影响后续故障分类准确率提高的问题，提出采用局部非负矩阵分解的方法，直接对 EMD-WVD 时频图像的矩阵进行分解，计算用于内燃机故障诊断的特征参数，并利用特征参数进行故障分类。对内燃机4种不同工况的振动信号进行实验，证明基于 EMD-WVD 与局部非负矩阵分解的方法对内燃机气门间隙的故障诊断的有效性。