SVM方法在某多级离心泵故障诊断中的应用
李有根1
马文生2
李方忠3
王庆锋4
1.重庆理工大学机械工程学院,重庆 400054;重庆水泵厂有限责任公司研究生培养基地,重庆 4000332.重庆理工大学机械工程学院,重庆 400054;重庆水泵厂有限责任公司研究生培养基地,重庆 400033;北京化工大学机电工程学院,北京 1000293.重庆水泵厂有限责任公司研究生培养基地,重庆 4000334.北京化工大学机电工程学院,北京 100029
摘要：针对实际工程中多级离心泵故障样本难获取的现象,通过多级离心泵故障模拟试验台模拟实际产品的碰摩、不对中、不平衡三种典型故障,基于支持向量机(Support Vector Machine,SVM)建立故障诊断模型的方法实现故障的分类.采用集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)算法提取振动信号的时频域特征,结合时、频域和信息熵特征构造高维特征样本后,以主成分分析(Principal Component Analysis,PCA)优化输入样本质量,实现对故障的高效分类.另外,对比分析SVM和反向传播(Back Propagation,BP)神经网络的分类效果,表明SVM模型分类的效果更好,在多级离心泵的故障诊断中具有良好的适用性.
关键词：多级离心泵支持向量机BP神经网络集合经验模态分解主成分分析
分类号：TH311(泵)TP181(自动化基础理论)TP206(自动化技术及设备)TH165.3(机械制造工艺)
论文发表日期：2024-04-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：9( 272-280 )
英文信息