基于LMD多尺度熵和LSSVM的往復壓縮機故障診斷方法研究
摘要：針對往復壓縮機振動信號的非線性和非平穩多源沖擊性,提出一種基于局部均值分解（LMD）、多尺度熵（MSE）和最小二乘支持向量機的診斷方法.首先,利用LMD將不同狀態振動信號分解為一系列乘積函數（PF）分量,然后根據各PF分量與原信號的互信息值,選擇相關性較大且包含故障狀態主要信息分量,計算其相應的多尺度熵值,并構造能夠定量描述往復壓縮機狀態的特征向量,最后利用LSSVM作為模式分類器,對上述不同狀態下的特征向量樣本進行訓練和識別,診斷得出往復壓縮機氣閥故障類型.進一步與小波多尺度熵、EMD多尺度熵方法所提取特征向量識別結果進行對比,結果表明：該方法具有更高的識別率,為往復壓縮機故障診斷提供了一種新途徑.
注: 保護知識產權,如需閱讀全文請聯系壓縮機技術雜志社
相關推薦
更多
