10.13465/j.cnki.jvs.2022.17.029
多传感器数据下基于MFDFA-BP的离心泵空化致振故障分析
针对单传感器所测数据存在的不全面性及离心泵故障信号的非线性非平稳性等问题,提出多传感器数据下基于多重分形去趋势波动分析法(multi-fractal detrended fluctuation analysis,MFDFA)与 BP(back propagation,BP)神经网络的离心泵空化致振故障分析方法.采用MFDFA法对离心泵5种不同工况下的8类实测信号进行分析,提取多重分形谱特征参数△f、α0、△α、αmin及αmax作为故障特征向量,并结合BP神经网络进行单传感器信号故障诊断,优选识别率较佳的信号拼接构成多传感器特征向量,进而开展多传感器离心泵空化致振故障研究.结果表明:MFDFA法提取的多重分形谱特征参数能准确反映泵的运行状态,其中△f、△α 以及αmax等参数对故障分类效果更好;泵振动、扭矩及电机振动等信号对故障本质的反映更准确;在此基础上形成的多传感器故障诊断模型准确率比单传感器提升了 13%以上,为离心泵不同程度空化故障的状态识别提供了一种新的方法.
离心泵、多传感器数据、故障诊断、多重分形、去趋势波动分析、BP神经网络
41
TK72(水能、水力机械)
江西省教育厅科技项目;国家自然科学基金;江西省教育厅科技项目
2022-09-29(万方平台首次上网日期,不代表论文的发表时间)
共7页
238-243,281