基于EEMD-PCA-OSELM的燃气调压器故障诊断

摘要：

燃气调压器存在故障数据样本少、发生故障不易察觉等问题,传统的离线诊断模型难以有效学习故障数据的特征信息且难以实时更新诊断系统.针对上述问题,提出一种基于集合经验模态分解(EEMD)、主元分析法(PCA)与在线贯序极限学习机(OSELM)结合的故障诊断方法.利用EEMD对获取的故障数据流进行频域分解,并通过PCA对已分解的不同频率分量进行特征提取;然后,随机选取少量经处理后的故障特征样本利用极限学习机(ELM)算法对模型进行初始化,并将剩余样本经EEMD-PCA处理后以数据流的方式对现有模型进行更新,通过在线增量学习方法递推计算故障诊断系统参数并给出诊断决策.利用某调压器故障信息进行仿真实验,结果表明,所提EEMD-PCA-OSELM故障诊断方法能在保证较高识别率的前提下实现快速故障诊断.

关键词：在线贯序极限学习机、故障诊断、燃气调压器、集合经验模态分解、主元分析法、极限学习机、增量学习、数据流

所属期刊栏目：45

分类号：TN99-34;TU996;TP391

资助基金：国家重点研发计划;国家自然科学基金

在线出版日期：2022-05-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：137-142