基于CEEMDAN与RNN算法的离心泵空化状态识别研究

作者：郎涛; 赵佳伟; 陈刻强; 徐恩翔; 倪陈; 印佳; 张德胜

来源：水动力学研究与进展A辑, 2023, 38(04): 629-636.

DOI：10.16076/j.cnki.cjhd.2023.04.015

• 状态识别
• 空化噪声
• 功率谱熵
• 循环神经网络

离心泵在发生空化时会产生蕴含特征信息的噪声信号，且随着空化程度的增加，噪声信号特征也会发生变化。该文针对离心泵空化状态识别的问题，提出了一种基于完全自适应集合经验模态分解(CEEMDAN)算法和循环神经网络(RNN)相结合的离心泵空化状态识别方法。通过空化性能试验获取不同空化状态的噪声信号数据，并进行频域分析获取其特征频段范围；引入CEEMDAN算法对信号数据进行分解获得相应的固有函数模态(IMF)分量，选取峭度较大的分量进行频域分析，并选择符合特征频段的分量进行功率谱熵计算以构造特征向量集合，发现空化与非空化状态下，功率谱熵值区分明显，在非空化时均值为0.55，空化时均值为1.05。最后将特征分量集合输入循环神经网络完成模式识别，选取最优模型。验证实验数据分析表明：采用CEEMDAN和RNN算法相结合的模型可以有效提取离心泵空化噪声的特征并进行空化状态识别，最高识别率达92.4%，为离心泵故障诊断提供了新的方法。

• 单位
  江苏大学