基于参数优化VMD和增强多尺度排列熵的单向阀故障诊断

摘要：

针对高压隔膜泵机械结构复杂,单向阀故障特征信息分布在多尺度上,单一尺度难以全面提取特征的问题,提出了一种基于参数优化变分模态分解(Variational Mode Decomposition,VMD)和增强多尺度排列熵(Enhanced Multiscale Permutation Entropy,EMPE)的单向阀故障诊断方法.对单向阀振动信号进行VMD分解,以包络熵最小原则对其进行参数优化,获得既定的若干本征模态函数(Intrinsic Mode Function,IMF)分量;计算IMF分量的增强多尺度排列熵,构建故障特征值向量;利用基于变量预测模型的模式识别(Variable Predictive Model Based Class Discriminate,VPMCD)方法对故障特征值向量进行训练和识别,进而实现单向阀的故障诊断.仿真信号和工程实验分析表明,该方法可以准确地识别单向阀的故障类型,具有一定的可靠性和工程应用价值.

关键词：变分模态分解、增强多尺度排列熵、基于变量预测模型的模式识别、单向阀、故障诊断

所属期刊栏目：39

分类号：TH17;TH911.7

资助基金：国家自然科学基金61663017

在线出版日期：2020-09-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：118-125