《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CEEMDAN-MFDE-HHO-SVM的机载燃油泵故障辨识

作者：刘军龙,俞凯耀,张相春. 日期：2023-11-01/span> 浏览：1268 查看PDF文档

基于CEEMDANMFDEHHOSVM的机载燃油泵故障辨识*

刘军龙1,俞凯耀2,张相春3

(1.遵义师范学院资源与环境学院,贵州遵义 563006;2.浙江国际海运职业技术学院海洋装备工程学院,

浙江舟山 316012;3.遵义师范学院生物与农业科技学院(食品科技学院),贵州遵义 563006)

摘要:针对机载燃油泵振动信号的有效分量相互耦合、故障特征提取困难,进而导致故障识别准确率低的问题,提出了一种基于自适应噪声完备经验模态分解(CEEMDAN)、多尺度波动散布熵(MFDE)和哈里斯鹰算法(HHO)优化支持向量机(SVM)的机载燃油泵故障辨识方法(CEEMDAN-MFDE-HHO-SVM)。首先,采用CEEMDAN方法对机载燃油泵振动信号进行了自适应分解,生成了一组从低频到高频分布的本征模态函数(IMF),并选择包含冲击信息较多的IMF分量进行了信号重构,得到了噪声含量较低的信号;然后,采用MFDE方法计算了低噪信号的熵值,构造了表征样本故障属性的特征矩阵;最后,采用HHO算法对SVM的关键参数进行了优化,以构造基于HHO-SVM模型的多故障分类器,对机载燃油泵的故障进行了辨识;基于实测机载燃油泵故障数据集,将CEEMDAN-MFDE-HHO-SVM方法与其他组合方法进行了对比分析。研究结果表明:该故障辨识模型的故障分类准确率达到了100%,在信号处理、熵值特征提取和分类器方面都优于其他对比方法;该模型不仅具有更高的分类准确率,而且具有更优异的效率,后续可以将其推广到其他机械设备的故障辨识中。

关键词:泵;故障识别准确率;自适应噪声完备经验模态分解;多尺度波动散布熵;哈里斯鹰优化;支持向量机

中图分类号:TH3;V228.1文献标识码:A文章编号:1001-4551(2023)10-1616-08

本文引用格式:

刘军龙,俞凯耀,张相春.基于CEEMDAN-MFDE-HHO-SVM的机载燃油泵故障辨识［J］.机电工程,2023,40(10):1616-1623.

LIU Junlong, YU Kaiyao, ZHANG Xiangchun. Fault identification of airborne fuel pump based on CEEMDAN-MFDE-HHO-SVM［J］.Journal of Mechanical & Electrical Engineering, 2023,40(10):1616-1623.