-
题名基于小波包分解与随机森林的离心泵故障诊断
被引量：8
- 1
-
-
作者
马飞
邵礼光
徐君
陶梦秋
袁沛
胡炳涛
-
机构
杭州景业智能科技股份有限公司
浙江大学机械工程学院
-
出处
《工程设计学报》
CSCD
北大核心
2024年第6期741-749,共9页
-
基金
2022年度浙江省“尖兵”“领雁”研发攻关计划项目(2022C01054)。
-
文摘
针对核电厂离心泵在线故障诊断困难的问题,提出了一种基于小波包分解与随机森林的故障诊断方法。首先,利用小波包分解对离心泵电机驱动端径向垂直方向的振动信号进行3层分解并提取子频带能量特征。然后,基于离心泵振动信号的波形数据提取时域统计特征,并与小波包能量特征相结合作为随机森林模型的输入。最后,通过由振动试验得到的离心泵振动数据集对随机森林模型进行训练,形成离心泵故障诊断模型,并对该模型与支持向量机、逻辑斯蒂回归、K近邻、高斯朴素贝叶斯等机器学习模型在相同的离心泵振动数据集上进行了对比测试。结果表明,所构建的模型能够准确识别离心泵正常、叶轮破损、叶轮堵塞、电机轴承故障等运行状态,并表现出更优的分类性能。基于小波包分解与随机森林的故障诊断方法可以有效地从振动信号中提取特征并实现故障分类,对于核电厂离心泵在线故障智能诊断具有一定的可行性和有效性。
-
关键词
离心泵
故障诊断
振动信号
小波包分解
随机森林
-
Keywords
centrifugal pump
fault diagnosis
vibration signal
wavelet pack decomposition
random forest
-
分类号
TH311
[机械工程—机械制造及自动化]
TL353.2
[核科学技术—核技术及应用]
-
