VMD模糊熵和SVM在柱塞泵故障诊断中的应用

Application of VMD Fuzzy Entropy and SVM in Plunger Pump Fault Diagnosis

韩露 ¹程珩 ¹励文艳 ¹赵立红¹

扫码查看

作者信息

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,山西太原 030024;太原理工大学机械工程学院,山西太原 030024
折叠

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(Varia-tional 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

Key words

Plunger Pump/Variational Modal Decomposition/Fuzzy Entropy/Support Vector Machine/Fault Diagnosis

引用本文复制引用

基金项目

国家自然科学基金(51675364)

出版年

2023

机械设计与制造

辽宁省机械研究院

机械设计与制造

CSTPCD北大核心

影响因子：0.511

ISSN：1001-3997

参考文献量7

段落导航