针对柴油机不同部位的机械故障特征容易混淆且呈现非平稳循环特征的特点,提出了一种基于时频图像极坐标增强的柴油机故障诊断方法。将振动信号Gabor变换的时频特征通过等角度采样映射为极坐标图上某一区域的显著增强的特征,实现了周期瞬态特征的增强。提取不同技术状态振动信号6个工作循环内的极坐标图上区域能量特征作为故障特征参数,输入支持向量机进行分类训练和模式识别。试验结果表明,针对柴油机的5种典型故障,该方法能显著增强故障特征,有效提取故障特征信息,准确识别出不同类型的磨损故障。

针对实际工况中难于提取齿轮箱故障特征的问题,根据轮廓波变换的全局纹理和局部二元模式的局部纹理特性,提出了一种基于振动信号时频图像的故障特征提取方法。首先,利用小波变换将振动信号变换到时频域并得到其时频灰度图像;然后,对该灰度图像进行轮廓波变换,得到低频和高频子带部分,提取低频子带的均值和标准差以及高频子带各层的能量均值作为一部分特征向量;同时,对该时频灰度图像进行局部二元模式的特征值提取并得到另一部分特征向量,将两部分特征向量进行组合连接得到最终的特征向量;最后,利用支持向量机对齿轮箱不同程度故障进行分类测试,实验结果表明了该方法的有效性,为机械设备的模式识别提供了一种方法。