[发明专利]一种基于改进K_means聚类算法的发动机状态评估方法

说明书

本发明公开了一种基于改进K_means聚类算法的发动机状态评估方法，涉及发动机状态评估技术领域，该方法包括，对履带装甲车辆发动机进行实车检测试，将S1中取得的数据通过相关性、单调性、预测性及鲁棒性的指标进行计算，通过S2的结果，进行总结，利用熵技术确定各评价指标的客观权重。该一种基于改进K_means聚类算法的发动机状态评估方法，履带装甲车辆发动机进行实车检测试得出的数据数据通过相关性、单调性、预测性及鲁棒性的指标进行计算，S2得出的数据利用熵技术确定各评价指标的客观权重，再通过履带装甲车辆发动机基于熵权理想点的多指标综合评价，并以距离理想解和负理想解的远近来评价各个方案，达到了对发动机进行状态进行评估的效果。

技术领域

本发明涉及发动机状态评估技术领域，具体为一种基于改进K_means聚类算法的发动机状态评估方法。

背景技术

目前市场上已有的发动机性能随因为使用年限逐渐退化是一个复杂机械系统退化过程，采用单一特征参数预测发动机剩余寿命都不可避免的存在片面性。另一方面随着现代检测技术的发展，发动机检测信号中能够提取的特征参数也在不断增多，基于多维特征的发动机状态评估与预测成为装甲车辆发动机状态评估和剩余寿命预测的必然趋势。因此在众多特征参数中，如何选取以及选取哪些有效信息，是开展技术状况评估及剩余寿命预测之前需要解决的一个问题。为解决提取有效信息、减少评估子集的问题，目前主流的手段有特征提取与特征选择两种，由于各种特征在发动机状态评估和预测过程中的作用和地位不同，有必要保留原始特征的物理意义。为此，我们提出了一种基于改进K_means聚类算法的发动机状态评估方法。

发明内容

(一)解决的技术问题

本发明的目的在于提供一种基于改进K_means聚类算法的发动机状态评估方法，以解决上述背景技术中提出的问题。

(二)技术方案

为实现上述目的，本发明提供如下技术方案：一种基于改进K_means聚类算法的发动机状态评估方法，具体步骤如下：

S1：对履带装甲车辆发动机进行实车检测试。

S2：将S1中取得的数据通过相关性、单调性、预测性及鲁棒性的指标进行计算。

S3：通过S2的结果，进行总结。

S4：利用熵技术确定各评价指标的客观权重。

S5：履带装甲车辆发动机基于熵权理想点的多指标综合评价，通过构造多目标决策问题的理想点和负理想点，并以距离理想解和负理想解的远近来评价各个方案的好坏，得出一个评估结果。

优选的，S1.1：记录起动电流的发动机状态特征参数，并提取了履带装甲车辆发动机的起动电流特征；

S1.2：记录履带装甲车辆振动信号时、频域特征；

S1.3：对信号进行包络提取、多次自相关分析、STCZT变换、频率成分跟踪，计算振动信号在各时刻的基频频率，并通过线性关系转换为发动机瞬时转速；

S1.4：基于振动信号包络自相关STCZT的转速测量方法，通过对信号进行包络提取、多次自相关分析、STCZT变换、频率成分跟踪，计算振动信号在各时刻的基频频率，并通过线性关系转换为发动机瞬时转速；因此采用振动信号包络自相关STCZT的转速测量方法提取的发动机转速，在发动机加减速时间特征的提取上具有更高精度。

优选的，S2.1：相关性指标，

式中：Y＝(y₁,y₂,...,y_N)为某一特征参数序列，T＝(t₁,t₂,...,t_N)为相应时刻的时间序列，N为相应的监测点数；