-
题名基于声信号的离心泵故障诊断研究
- 1
-
-
作者
陈剑
姜涛
陈品
-
机构
合肥工业大学噪声振动工程研究所
安徽省汽车NVH技术研究中心
-
出处
《电子测量与仪器学报》
CSCD
北大核心
2024年第5期169-177,共9页
-
基金
国家自然科学基金青年基金(11604070)
安徽省科技重大专项(17030901049)项目资助。
-
文摘
各种原因使得工业现场设备状态监测的首选测量信号是声信号时,提出一种基于声信号的设备状态监测方法显得尤为必要。以某型离心泵为依据对象,对现场采集的声信号提取梅尔倒谱系数(MFCC)作为信号的初始特征,然后计算这些MFCC初始特征的散布熵(DE)值,并通过主成分分析法(PCA)对矩阵进行降维,从而构造特征矩阵。利用蝙蝠优化算法(BA)对支持向量机(SVM)的惩罚系数与核函数参数进行优化,对离心泵的多种故障工况开展诊断,并与多种诊断方法进行比较。实验结果表明,经过BA优化后的模型在诊断准确率上提高了21.7%;在该模型的基础上利用DE对MFCC提取的信号进行深度挖掘,使模型诊断的准确率提高2.05%。
-
关键词
离心泵故障诊断
声信号
梅尔倒谱散布熵
蝙蝠优化算法
支持向量机
-
Keywords
centrifugal pump fault diagnosis
acoustic signal
mel-scale frequency cepstral coefficients dispersion entropy(MFCCDE)
bat optimization algorithm
support vector machine
-
分类号
TP206
[自动化与计算机技术—检测技术与自动化装置]
TN912
[电子电信—通信与信息系统]
-