摘要：不同負(fù)荷狀態(tài)下的柴油機振動、溫度、轉(zhuǎn)速等信號顯著不同,而機組故障信號特征往往被淹沒在隨負(fù)荷變化而劇烈變化的信號中,因此變負(fù)荷狀態(tài)下的柴油機故障監(jiān)測診斷難度較大,一直困擾著柴油機的實際故障診斷工作。提出一種基于流形學(xué)習(xí)和KNN算法的柴油機工況識別方法,為柴油機變負(fù)荷工況下故障監(jiān)測預(yù)警打下基礎(chǔ)。方法融合機組的多源信號特征構(gòu)建特征向量,通過流形學(xué)習(xí)t-分布鄰域嵌入算法(t-SNE)實現(xiàn)特征向量的維數(shù)約簡和敏感特征提取,采用K最近鄰分類算法(KNN)完成柴油機運行負(fù)荷狀態(tài)的自動分類。正常及故障狀態(tài)下多組柴油機監(jiān)測數(shù)據(jù)的處理結(jié)果驗證了方法的有效性和實用性。