基于CEEMDAN多尺度排列熵和SO-RELM的高压隔膜泵单向阀故障诊断 |
| |
引用本文: | 李瑞,范玉刚.基于CEEMDAN多尺度排列熵和SO-RELM的高压隔膜泵单向阀故障诊断[J].振动与冲击,2023(5):127-135. |
| |
作者姓名: | 李瑞 范玉刚 |
| |
作者单位: | 1. 昆明理工大学信息工程与自动化学院;2. 云南省人工智能重点实验室 |
| |
基金项目: | 国家自然科学基金(62163020);;工业控制技术国家重点实验室(浙江大学)开放课题资助(ICT2022B06); |
| |
摘 要: | 高压隔膜泵单向阀受负载、摩擦和冲击等因素的影响,运行产生的振动信号具有非平稳、非线性的特点,为了从振动信号中提取设备的非线性动力学特征,将多尺度排列熵(multi-scale permutation entropy, MPE)引入高压隔膜泵单向阀故障诊断研究。提取振动信号多尺度排列熵特征,用于建立结构优化正则化极限学习机(structure optimization regularized extreme learning machine, SO-RELM)故障诊断模型,模型利用K-means优化RELM结构,提高模型识别精确度及稳定性。首先采用自适应噪声完备经验模态分解(complementary ensemble empirical mode decomposition with adaptive noise, CEEMDAN)将高压隔膜泵单向阀振动信号自适应分解为多个固有模态分量(intrinsic mode function, IMF),以相关系数为指标,优选包含故障特征信息丰富的分量;然后,计算IMFs的多尺度排列熵值,提取信号的非线性动力学特征;最后,基于多尺度排列熵,建立...
|
关 键 词: | 自适应噪声完备经验模态分解 排列熵 结构优化正则化极限学习机 故障诊断 |
|