基于RCMDE的2D80-53.4型压缩机故障诊断研究

针对2D80–53.4型压缩机故障信号呈现高耦合性和非线性等问题,提出基于RCMDE的2D80–53.4型压缩机故障诊断方法。在MDE算法的基础上,结合精细复合改进MDE算法得到RCMDE算法,应用其对非线性振动信号进行特征向量构建,结合极限学习机进行故障识别。通过仿真信号验证,结果表明该算法可以有效抑制干扰信息,强化故障信息特征,大大提高了算法的准确性。以2D80–53.4型压缩机的轴承故障数据为研究对象进行实测验证,应用RCMDE实现其故障信号特征提取,与多尺度散布熵、复合多尺度散布熵进行对比,该方法表现出特征可分性良好,极限学习机故障识别准确率较高。