科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对常规故障诊断方法不适用于提取往复压缩机声音信号的故障特征，导致往复压缩机的故障识别精度不高的问题，提出了基于改进多尺度反向排列熵(IMRPE)、t-分布邻域嵌入(t-SNE)和天鹰优化器(AO)优化支持向量机(SVM)的往复压缩机故障诊断方法。首先，采用具有优异特征表达性能的IMRPE方法来提取往复压缩机声音信号的故障信息，构建了反映样本故障特征属性的故障特征向量；然后，利用t-SNE方法对故障特征进行了特征降维处理，以降低故障特征维数和去除冗余特征，从而获得了低维的敏感特征；最后，利用AO方法对SVM的惩罚系数和核参数进行了自适应搜索，从而建立了结构参数最优的分类器，并将低维的敏感故障特征输入至AO-SVM分类器中，进行了训练和分类，依据测试样本的输出标签完成了样本的故障识别；以往复压缩机声音信号故障数据为对象开展了研究，并评估了IMRPE-t-SNE-AO-SVM方法的有效性和稳定性。研究结果表明：IMRPE-t-SNE-AO-SVM方法的故障识别精度达到了97%,不仅能够用于准确且稳定地识别往复压缩机的故障类型，提高故障识别的精度，而且在准确率和稳定性方面优于其它对比方法。
-
单位烟台职业学院; 电子工程学院; 西北农林科技大学
