VMD模糊熵和SVM在柱塞泵故障診斷中的應用

韓 露，程 珩，勵文艷，趙立紅

（1.太原理工大學新型傳感器與智能控制教育部和山西省重點實驗室，山西 太原 030024；2.太原理工大學機械工程學院，山西 太原 030024）

1 引言

柱塞泵由于其工作環境、工作壓力的原因，其振動信號呈現出非線性非平穩的特性，故障特征不易提取。文獻［1］提出EMD分解，將信號按照自身特點分解為幾個IMF，每個IMF都具有真實的物理意義。文獻［2］提出了基于EMD包絡譜分析的柱塞泵故障檢測方法，將信號經過EMD分解后求出前幾個主要IMF的包絡譜，通過對包絡譜的分析，判斷柱塞泵的工作狀態。

EMD分解雖然克服了傳統小波分解及小波包分解的需要預設小波基等問題，但也存在著模態混疊等問題，對故障診斷結果造成影響。文獻［3］在軸承的故障診斷中加入了峭度分析用于確定帶通濾波參數，然后解調后得到故障特征頻率，實現了軸承的早期故障診斷，驗證了采用峭度分析的特征提取方法在故障診斷中的可行性。文獻［4］將VMD應用在風電機組故障的診斷中，利用VMD對低頻信號的魯棒性強的特點對信號進行分析，分析數據表明VMD 可以有效抑制風電機組沖擊信號所產生的模態混疊，通過結果驗證了VMD在故障診斷中的可行性。

文獻［5］利用模糊熵可以準確地度量時間序列的復雜度的特點，將模糊熵應用于滾動軸承進行故障診斷，利用模糊熵對時間序列變化的敏感性，將信號經VMD分解，計算IMF的模糊熵作為特征向量進行故障識別，準確率可達100%，驗證了模糊熵在故障診斷中的可行性。……