基于CEEMD和优化KNN的离心泵故障诊断方法

作者：杨波; 黄倩; 付强^*; 朱荣生

来源：机电工程, 2022, 39(11): 1502-1509.

• 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

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2.257 1,比原来的去噪方法提升了0.438 1;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。

• 单位
  江苏大学; 中国核电工程有限公司