基于CEEMD与SVM的离心泵转子不对中故障诊断方法研究

为了更好地判断离心泵转子不对中故障，通过互补经验模态分解(CEEMD)结合支持向量机(SVM)对转子不对中故障进行识别，搭建离心泵故障模拟实验台，利用电涡流振动位移传感器采集离心泵转子位移信号，使用CEEMD算法分解离心泵在正常状态与故障状态下信号，通过相关系数法和阈值，选取有效内涵模态分量(IMF)分量进行信号重构，计算重构信号的时域特征参数并组成特征向量，最后利用SVM对故障进行识别分类。结果表明，采用CEEMD方法可以有效提取出离心泵转子不对中时的故障特征。采用SVM方法对重构后的信号提取的特征向量进行训练，故障识别准确率可以达到93%，能够有效识别离心泵转子不对中故障。