《机电工程》杂志社科技期刊核心期刊论文投稿机电一体化机械、仪表电工自动化、计算机浙江大学主办

《机电工程》杂志，月刊( 详细... )

中国标准连续出版物号： ISSN 1001-4551 CN 33-1088/TH
主办单位：浙江省机电集团有限公司
浙江大学
主编：陈晓
副主编：唐任仲、罗向阳(执行主编)
总经理：罗向阳
出版：浙江《机电工程》杂志社有限公司
地址：杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel：+86-571-87041360、87239525
E-mail：meem_contribute@163.com
国外发行：中国国际图书贸易总公司
订阅：全国各地邮局 国外代号：M3135
国内发行：浙江省报刊发行局
邮发代号：32-68
广告发布登记证：杭上市管广发G-001号

在线杂志	当前位置：机电工程 >>在线杂志

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,等. 日期：2023-01-30/span> 浏览：1208 查看PDF文档

基于CEEMD和优化KNN的离心泵故障诊断方法*

杨波1,3,黄倩2,3,付强1,3*,朱荣生1,3

(1.江苏大学流体机械技术研究中心,江苏镇江 212001;2.中国核电工程有限公司,

北京 100840;3.核电泵及装置智能诊断运维联合实验室,江苏镇江 212013)

摘要: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2.2571,比原来的去噪方法提升了0.4381;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。

关键词: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

中图分类号:TH311;TH17文献标识码:A文章编号:1001-4551(2022)11-1502-08

本文引用格式:

杨波,黄倩,付强,等.基于CEEMD和优化KNN的离心泵故障诊断方法［J］.机电工程,2022,39(11):1502-1509.

YANG Bo, HUANG Qian, FU Qiang, et al. Fault diagnosis method for horizontal centrifugal pump based on CEEMD and optimized KNN［J］.Journal of Mechanical & Electrical Engineering, 2022,39(11):1502-1509.