基于CEEMDAN与VNWOA-LSSVM的供输弹系统早期故障诊断研究

摘要：

由于供输弹系统早期故障信号成分复杂,故障特征微弱,故提出一种基于自适应噪声完备经验模态分解(CEEMDAN)与以冯诺依曼拓扑结构(VN)改进鲸鱼算法(WOA)优化下的最小二乘支持向量机(LSSVM)的故障诊断方法.在对所测信号进行预处理即去趋势项和零点漂移后,通过CEEMDAN对供输弹信号进行分解,得出模态分量(IMF);然后依据相关系数和峭度准则这两个标准来选取符合标准的IMF分量,提取这些分量的分布熵(DE)作为特征;最后用VNWOA-LSSVM诊断模型,输入供输弹系统3种不同工况下的振动信号特征进行故障诊断,并且还对比了LSSVM、PSO-LSSVM、GA-LSSVM和WOA-LSSVM等方法对故障的识别率.实验结果表明:这些方法中经VNWOA优化后的LSS?VM的识别率最高,高达94.03％.

关键词：自适应噪声的完备经验模态分解、分布熵、鲸鱼算法、支持向量机、故障特征提取

所属期刊栏目：50

分类号：TH17

资助基金：国家自然科学基金51675491

在线出版日期：2022-05-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：193-197