基于IMIE、MCFS和SSA-ELM的离心泵故障诊断方法

作者：辜文娟,张扬. 日期：2023-10-30/span> 浏览：1102 查看PDF文档

摘要:采用多尺度排列熵对离心泵振动信号进行分析时,存在忽略信号幅值信息以及粗粒化处理存在不足的问题,从而导致离心泵的故障识别准确率不高,为此,提出了一种基于改进多尺度增长熵(IMIE)、多聚类特征选择(MCFS)和麻雀搜索算法优化极限学习机(SSA-ELM)的离心泵故障诊断方法。首先,基于改进粗粒化处理,提出了改进多尺度增长熵(IMIE)方法,将其用于提取故障特征,构造了反映离心泵损伤属性的特征矩阵;随后,采用多聚类特征选择(MCFS),对原始故障特征进行了重要性排序,获得了对分类识别贡献度更高的故障特征,提高了故障特征的质量;最后,将低维的敏感特征输入至基于麻雀搜索算法(SSA)的极限学习机(ELM)中,进行了离心泵故障分类,完成了离心泵不同故障类型的识别任务;并采用离心泵故障数据集,对基于IMIE、MCFS和SSA-ELM的故障诊断方法的有效性进行了实验验证。研究结果表明:所提故障诊断方法的故障识别准确率达到了100%,多次实验的平均准确率和标准差也优于其他对比的故障诊断方法,即IMIE能够准确地提取信号中的故障信息,进而表征离心泵的健康状态;SSA-ELM能够准确地识别离心泵的故障类型,证明该方法具有一定的有效性和优越性。

关键词:叶片式泵;改进粗粒化处理;改进多尺度增长熵;多聚类特征选择;麻雀搜索算法;极限学习机;特征矩阵

中图分类号:TH311文献标识码:A文章编号:1001-4551(2023)09-1456-08


本文引用格式:

辜文娟,张扬.基于IMIE、MCFS和SSA-ELM的离心泵故障诊断方法［J］.机电工程,2023,40(9):1456-1463.

GU Wenjuan, ZHANG Yang. Fault diagnosis method of centrifugal pump based on IMIE and SSA-ELM［J］.Journal of Mechanical & Electrical Engineering, 2023,40(9):1456-1463.