基于CEEMD-SVD-LSSVM的矿浆管线核心设备故障诊断

作者：周成江; 吴建德^*; 杨静宗

来源：云南大学学报(自然科学版), 2018, 40(05): 886-896.

• 单向阀
• 互补集合经验模态分解
• 奇异值分解
• 最小二乘支持向量机
• 故障诊断

针对单向阀振动信号包含背景噪声、故障特征提取困难和诊断准确率不高的问题,提出互补集合经验模态分解(CEEMD)、奇异值分解(SVD)和最小二乘支持向量机(LSSVM)相结合的故障诊断方法.首先,用CEEMD分解单向阀振动信号,并用能量分析法及互相关分析法来选取有用的本征模态函数(IMF).然后,根据SVD法提取相应的故障特征,并输入LSSVM进行故障诊断.通过与集合经验模态分解(EEMD)、支持向量机(SVM)等的比较,表明该方法不仅消除了模态混叠和信号噪声,而且能有效地提取单向阀的故障特征,得到更高的诊断准确率.

• 单位
  自动化学院; 昆明理工大学