VMD模糊熵和SVM在柱塞泵故障诊断中的应用 |
| |
引用本文: | 韩露,程珩,励文艳,赵立红.VMD模糊熵和SVM在柱塞泵故障诊断中的应用[J].机械设计与制造,2023(7):110-115. |
| |
作者姓名: | 韩露 程珩 励文艳 赵立红 |
| |
作者单位: | 1. 太原理工大学新型传感器与智能控制教育部和山西省重点实验室;2. 太原理工大学机械工程学院 |
| |
基金项目: | 国家自然科学基金项目资助(51675364); |
| |
摘 要: | 为有效提取非线性非平稳特性的柱塞泵故障特征,提高故障诊断准确率,提出了一种基于变分模态分解(Variational Mode Decomposition,VMD)模糊熵和支持向量机(Vupport Vector Machine,SVM)相结合的柱塞泵故障诊断方法。首先将信号经过VMD分解形成K个固有模态分量(Intrinsic Modal Component,IMF);然后确定IMF个数,提出了基于峭度分析的IMF个数确定方法;其次取峭度值较大的IMF并计算其模糊熵,确定了各状态下相应的模糊熵;最后将模糊熵作为特征向量输入SVM进行故障识别,准确率可达98.3%。将该方法与经验模态分解(Empirical Mode Decomposition,EMD)模糊熵-SVM、VMD模糊熵-BP神经网络对比,结果表明,VMD模糊熵和SVM相结合的方法在柱塞泵故障诊断中具有优越性。
|
关 键 词: | 柱塞泵 变分模态分解 模糊熵 支持向量机 故障诊断 |
|
|