精细复合多尺度波动散布熵在液压泵故障诊断中的应用

摘要：

液压泵振动信号具有非线性、非平稳性的特点,熵算法在该类信号分析方面有着独到的优势,但传统的熵算法在液压泵振动信号特征提取中有计算速度慢、熵值不准确、不稳定等不足,为了更有效地提取故障特征信息并提高故障诊断准确性,将精细复合多尺度波动散布摘(refined composite multiscale fluctuation dispersion entropy,RCMFDE)引入到液压泵的故障特征提取中,提出了一种基于RCMFDE和粒子群优化支持向量机结合的液压泵故障诊断方法.计算不同故障振动信号的RCMFDE,并选取合适尺度下的多个RCMFDE值作为特征向量形成特征样本,输入粒子群优化支持向量机中进行故障分类识别.通过仿真信号和液压泵故障实测信号进行分析,并将所提出的方法与基于多尺度样本熵(multi-scale sample entropy,MSE)、多尺度排列摘(multiscale permutation entropy,MPE)、多尺度符号动态熵(multiscale symbolic dy-namic entropy,MSDE)、多尺度散布摘(multiscale dispersion entropy,MDE)、精细复合多尺度散布熵(refined composite multi-scale dispersion entropy,RCMDE)、多尺度波动散布摘(multiscale fluctuation dispersion entropy,MFDE)的故障特征提取方法进行对比.试验结果表明,该方法能够更加准确地识别多类液压泵故障并能对液压泵性能退化程度进行有效评估.

关键词：波动散布熵、精细复合多尺度波动散布摘(RCMFDE)、粒子群优化支持向量机、故障诊断、液压泵

所属期刊栏目：41

分类号：TH165+.3

资助基金：国家自然科学基金;河北省自然科学基金重点项目;河北省自然科学基金重点项目

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10页

页码：7-16