卧式离心泵实际测量中背景噪声含量较大,故障特征常被淹没,导致机械故障诊断效果较差,为了实时、精准地获得其运行状态,或对其进行故障诊断,提出了一种基于互补集合经验模态分解(CEEMD)和优化最邻近(KNN)算法的卧式离心泵机械故障诊断方法.首先,采集了卧式离心泵机械故障加速度信号,使用CEEMD对信号进行了一次分解,得到了本征模函数(IMF),采用相关系数法得到了 IMF相关系数,确定了相关分量与不相关分量;其次,通过改进小波阈值去噪方法对不相关分量进行处理,提取了重构信号可分析的时频故障特征;最后,搭建了离心泵实验台,采用上述故障诊断方法对离心泵机械故障进行了分类诊断.研究结果表明:经CEEMD降噪后,信号评价指标信噪比(SNR)为2.257 1,比原来的去噪方法提升了 0.438 1;优化后KNN分类对于卧式离心泵的机械故障诊断准确率可达96.7％,能够有效识别离心泵故障,达到智能诊断的目的.

叶片式泵;故障信号分解;互补集合经验模态分解;改进小波阈值降噪;优化最邻近算法分类;本征模函数;相关分量/不相关分量

江苏大学流体机械技术研究中心,江苏镇江212001;核电泵及装置智能诊断运维联合实验室,江苏镇江212013;中国核电工程有限公司,北京100840

[1]杨波;黄倩;付强;朱荣生-.基于CEEMD和优化KNN的离心泵故障诊断方法)[J].机电工程,2022(11):1502-1509

叶片式泵,改进小波阈值降噪,优化最邻近算法分类

CEEMD,KNN,故障诊断方法,卧式离心泵,背景噪声,故障特征,被淹,淹没,机械故障诊断,诊断效果,互补集合经验模态分解,泵机械,加速度信号,本征模函数,IMF,相关系数法,不相关,小波阈值去噪方法,重构信号,时频,实验台,分类诊断,SNR,故障诊断准确率,别离,智能诊断,故障信号分解

0.208217