基于EMD和SVM的机载燃油泵故障诊断研究

摘要：

针对机载燃油泵故障数据来源较少、诊断效率较低、维护费用较高、缺乏有效故障特征的问题,利用机载燃油转输系统实验平台收集的振动信号和压力信号,提出了一种基于经验模态分解(EMD)和支持向量机(SVM)的机载燃油泵故障诊断方法.首先,利用EMD提取振动信号不同频段的能量值作为特征参量,并结合压力信号均值构造故障特征向量;其次,分别采用遗传算法(GA)、粒子群优化算法(PSO)、樽海鞘群算法(SSA)、网格搜索算法(GS)对SVM的惩罚参数和径向基函数(RBF)参数进行优化,并对优化后的SVM诊断性能进行了评估;最后,分别采用SVM、极限学习机(ELM)、BP神经网络作为分类器,并对3种分类器的诊断性能进行了评估.结果表明:采用3种群智能优化算法的SVM故障诊断率均能达到100％,寻优过程中均未陷入局部最优解,且寻优时间相当,其中GA的训练时间最短,可以采用GA对SVM参数进行寻优;当采用GA_SVM作为故障分类器时,用时较短,且故障诊断率较高,可以选用GA_SVM分类模型实现机载燃油泵的高效故障诊断.

关键词：燃油泵、实验平台、经验模态分解(EMD)、支持向量机(SVM)、遗传算法(GA)

所属期刊栏目：47

分类号：TP306+.3(计算技术、计算机技术)

资助基金：陕西省自然科学基础研究计划2019JQ-711

在线出版日期：2021-09-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1687-1696