基于改进型CEEMDAN和RBF神经网络的往复式压缩机阀片故障诊断研究
利用改进的CEEMDAN和RBF神经网络相结合的方法识别压缩机气阀故障.首先利用改进型CEEMDAN对实验采集的振动信号进分解,该方法克服了传统方法在处理模态混叠和虚假分量方面的不足,并提出基于改进型CEEMDAN和奇异谱熵相结合的信号处理手段,对振动信号构造特征向量,最后将特征向量输入RBF神经网络进行模式识别训练.研究结果表明:基于改进型CEEMDAN和奇异谱熵的信号处理方法可以有效地提取出往复式压缩机阀片故障的特征,而RBF神经网络算法在对压缩机阀片故障进行模式识别时准确率高达99.58%.
故障诊断、往复泵、信号处理、特征提取、模式识别
TP183(自动化基础理论)
国家重点研发计划项目2018YFB1308110
2020-11-20(万方平台首次上网日期,不代表论文的发表时间)
共4页
90-92,96