基于DE-VMD和GMDE的往复压缩机轴承间隙故障诊断方法

针对往复压缩机轴承间隙故障特征提取困难、识别准确率不高等问题，提出了差分进化算法优化变分模态分解方法和广义多尺度散布熵相结合的往复压缩机间隙故障诊断方法。首先，采用差分进化算法对变分模态分解算法的两个核心参数进行了优化，并利用优化后的变分模态分解方法对轴承间隙振动信号进行了信号分解和重构处理；然后，研究了多尺度散布熵的粗粒化过程，通过将方差粗粒化代替均值粗粒化，进行了多尺度处理，构建了广义多尺度散布熵算法，利用广义多尺度散布熵算法对重构信号进行了故障特征提取分析；最后，设计了核极限学习机模型对故障特征向量集进行了分类识别，完成了往复压缩机轴承间隙不同故障状态的智能诊断研究。研究结果表明，该故障诊断方法的识别准确率高达97%,高效地实现了轴承不同种类故障的智能诊断目的。