摘要
船用空压机工作环境复杂,并且在机舱中存在各种激励源,噪声信号呈现非平稳、非线性的特点,故障特征难以提取,不能够准确地判断空压机当前故障情况.针对这一问题,提出了一种集成经验模态分解(EEMD)样本熵与支持向量机(SVM)相结合的故障诊断方法.将原始噪声信号通过EEMD方法进行分解,获取所有IMF分量.通过计算不同IMF分量之间的互相关系数筛选出敏感的IMF分量,并计算敏感分量的样本熵值.将样本熵值作为特征向量输入SVM模型中进行故障诊断.该方法可以有效地提取信号的重要特征,进而提高故障诊断的准确性和稳定性.结果表明,该方法能够有效克服背景噪声的影响,准确率可达98.6％,可为机舱其他动力装置的故障诊断以及船舶智能故障诊断系统的分析提供技术参考.
维普
万方数据