摘要：传统的发动机故障诊断方法通常基于向量模式进行数据特征的提取,可能丢失数据之间的结构信息及破坏数据间相关性。针对此问题,提出了一种张量模式下提取发动机数据特征的方法,构建了＂信号类别×曲轴转角×转速＂的三阶张量形式的发动机状态样本,基于交替投影的思想,使用HOSVDHOOI张量Tucker分解的联立求解算法,对数据特征进行提取。分别以不进行数据特征提取和基于张量Tucker分解进行数据特征提取两种情况,对发动机正常工作、单缸失火和轴系不对中三种状态下的实验数据进行处理,并分别采用网格参数优化法、遗传算法、粒子群算法对分类模型中的参数进行优化。以预测准确率和模型学习时间为评价指标进行对比分析,实验结果表明,基于张量Tucker分解的发动机数据特征提取及诊断方法预测准确率更高,分类模型学习时间更短。

关键词：发动机 故障诊断 张量模式 tucker分解 

单位：武汉科技大学汽车与交通工程学院; 武汉430081; 纯电动汽车动力系统设计与测试湖北省重点实验室; 襄阳441053