-
题名基于CEEMD和优化KNN的离心泵故障诊断方法
被引量：16
- 1
-
-
作者
杨波
黄倩
付强
朱荣生
-
机构
江苏大学流体机械技术研究中心
中国核电工程有限公司
核电泵及装置智能诊断运维联合实验室
-
出处
《机电工程》
CAS
北大核心
2022年第11期1502-1509,共8页
-
基金
国家自然科学基金资助项目(U20A20292)
江苏省重点研发计划资助项目(BE2018112)。
-
文摘
卧式离心泵实际测量中背景噪声含量较大,故障特征常被淹没,导致机械故障诊断效果较差,为了实时、精准地获得其运行状态,或对其进行故障诊断,提出了一种基于互补集合经验模态分解(CEEMD)和优化最邻近(KNN)算法的卧式离心泵机械故障诊断方法。首先,采集了卧式离心泵机械故障加速度信号,使用CEEMD对信号进行了一次分解,得到了本征模函数(IMF),采用相关系数法得到了IMF相关系数,确定了相关分量与不相关分量;其次,通过改进小波阈值去噪方法对不相关分量进行处理,提取了重构信号可分析的时频故障特征;最后,搭建了离心泵实验台,采用上述故障诊断方法对离心泵机械故障进行了分类诊断。研究结果表明:经CEEMD降噪后,信号评价指标信噪比(SNR)为2.2571,比原来的去噪方法提升了0.4381;优化后KNN分类对于卧式离心泵的机械故障诊断准确率可达96.7%,能够有效识别离心泵故障,达到智能诊断的目的。
-
关键词
叶片式泵
故障信号分解
互补集合经验模态分解
改进小波阈值降噪
优化最邻近算法分类
本征模函数
相关分量/不相关分量
-
Keywords
vane pump
decomposition of fault signals
complementary ensemble empirical mode decomposition(CEEMD)
improved wavelet threshold noise reduction
k nearest neighbor(KNN)algorithm classification
intrinsic mode function(IMF)
correlation component/uncorrelated component
-
分类号
TH311
[机械工程—机械制造及自动化]
TH17
[机械工程—机械制造及自动化]
-
