基于LMD和ABC优化KELM的故障诊断方法
杨静宗
施春朝
杨天晴
吴丽玫
保山学院 大数据学院,云南 保山 678000
摘要：针对高压隔膜泵单向阀振动信号的非平稳非线性特性,提出一种基于局部均值分解(LMD)、排列熵和人工蜂群算法优化核极限学习机(KELM)的故障诊断方法.采用LMD将振动信号分解成多个分量信号,通过互相关准则选取关联度较大的分量信号,并求出相应的排列熵作为特征向量.输入经过人工蜂群算法优化的KELM中构建故障诊断模型.通过对实际工况下采集的不同故障状态信号的处理分析,结果显示利用该方法对单向阀的运行状况进行故障诊断不但能够较好地表征信号的状态信息,且故障识别准确率达到95.65％.同时,与采用传统的KELM、ELM相比有着更高的识别准确率.
关键词：单向阀局部均值分解排列熵人工蜂群算法故障诊断
分类号：TP18(自动化基础理论)
资助基金：云南省地方本科高校(部分)基础研究联合专项资金资助项目(202001BA070001-109)保山学院校级科学研究资助项目(ZKMS202101)
论文发表日期：2022-06-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 124-131 )
英文信息