基于位错叠加法和改进概率神经网络的离心泵故障诊断方法

提出了一种基于位错叠加法和改进概率神经网络的离心泵故障诊断方法以解决现场强背景噪声下基于离心泵声辐射信号的在线故障诊断问题。首先利用位错叠加法对采集的离心泵声辐射信号进行降噪处理,增强声辐射信号中的故障信息,提高信噪比;然后提取声信号时域特征以构造时域特征矩阵,通过主成分分析法对获得的时域特征矩阵进行降维处理,将降维后的信号作为机器学习概率神经网络的输入;同时用哈里斯鹰优化算法来优化概率神经网络参数得到诊断模型,继而用改进的概率神经网络对离心泵故障进行模式识别,并与多种诊断方法进行比较。实验结果表明:位错叠加法能够突出信号特征、实现信号增强,改进的概率神经网络具有良好的离心泵声辐射信号在线故障诊断能力。