摘要
随真空度的持续提高,泵运行过程中开始形成空化并且空化程度逐渐变得明显,由此引起泵流量减小.为实现对柱塞泵的实际振动信号精确分析,选择小波基函数对采集信号实施三层小波包分解处理,经过阈值去噪以及小波包重构方法完成信号去噪过程.采极限学习机用EMD自适应分解方法处理振动信号,从中提取可以显著反馈信号复杂度的样本熵,并根据该参数判断空化情况.当样本熵值提高后形成更复杂的样本序列.开展了通过ELM实现的柱塞泵空化状态检测,结果表明:本设计特征提取方法都能够准确检测各工况的空化状态,与BP神经网络以及随机森林(FR)相比,ELM达到了更高检测准确度,并且ELM模型时间也显著缩短.该研究对提高柱塞泵空化振动信号提取及故障诊断效率分析具有很好的实际指导价值.
基金项目
中国高校产学研创新基金(2019ITA02018)
NETL
NSTL
维普
万方数据