基于CEEMDAN多尺度模糊熵和SSA-BP神经网络的VP型垂直摆倾斜仪故障辨识

摘要：

针对现有倾斜仪故障记录的甄别与分类主要依靠人工经验,诊断过程烦琐及诊断精度不高的问题,充分利用信号分解技术的特征升维与机器学习模型的快速自动分类等优势,提出一种结合自适应噪声完备集成经验模态分解多尺度模糊熵和麻雀搜索算法(sparrow search algorithm,SSA)优化反向传播神经网络(back propagation neural network,BPNN)的VP型宽频带垂直摆倾斜仪故障自动诊断方法.该方法首先将故障数据归一化,利用自适应噪声完备集成经验模态分解(complete ensem-ble empirical mode decomposition with adaptive noise,CEEMDAN)信号得到本征模态函数(intrinsic mode function,IMF)的多尺度模糊熵,然后基于SSA优化BPNN的权值与阈值,得到最佳权值和阈值,最后应用SSA-BPNN模型对倾斜仪故障特征数据进行辨识.实验表明:CEEMDAN多尺度模糊熵判据具有良好的倾斜仪故障特征区分效果;SSA-BP神经网络模型在准确率和召回率上,相比BP模型分别提高4.7581、6.3216个百分点,辨识过程更稳健,弥补了VP型倾斜仪在故障智能识别领域的空白.

关键词：倾斜仪故障识别、自适应噪声完备集成经验模态分解、麻雀搜索算法、反向传播神经网络、多尺度模糊熵

所属期刊栏目：22

分类号：TH762(仪器、仪表)

资助基金：河北省地震动力学重点实验室开放基金项目;湖北省自然科学基金;中国地震局地震研究所;应急管理部国家自然灾害防治研究院基本科研业务费专项;应急管理部国家自然灾害防治研究院基本科研业务费专项;地震科技星火计划攻关项目;武汉引力与固体潮国家野外科学观测研究站开放研究基金;中国地震局监测、预报;科研三结合课题项目

在线出版日期：2023-02-20（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：15612-15616