摘要
活塞作为发动机内最重要的零件之一,工作过程中将承受巨大的爆发力.当活塞喉口存在微细缺陷时,爆发力将会导致缺陷开裂从而产生严重的安全隐患,因此对于活塞喉口微细缺陷检测的研究具有重要意义.采集三种不同缺陷类型的活塞涡流信号,进行降噪后提取其时域、频域及时频域内多重特征[1].对比分析了基于主成分分析(Principal Com-ponent Analysis,PCA)和线性判别分析(Linear Discriminant Analysis,LDA)降维的活塞喉口微细缺陷检测与识别方法,并对降维结果分别进行线性判别分类和高斯朴素贝叶斯分类(Gaussian Naive Bayes,GaussianNB),对比缺陷识别的准确率与模型训练时间,从而得出性能最好的缺陷识别模型.实验结果证明LDA-GaussianNB模型可高效判别活塞喉口微细缺陷类型.
基金项目
山东省重点研发计划(2018CXGC0908)
山东省重点研发计划(2018CXGC0215)
山东省重点研发计划(2019JZZY010732)
山东省重点研究计划(2018CXGC0601)
山东省重点研发计划(2019JZZY010453)
山东省重点研发计划(2018CXGC0808)
山东省重点研发计划(2019JZZY010117)
山东省重点研发计划(2019JZZY020616)
山东省重点研发计划(2019JZZY020615)
山东省重点研发计划(2019JZZY010452)
NETL
NSTL
维普
万方数据