HHT与SVM在离心泵故障振动信号处理中的应用.pdfVIP

20Q9年 4月 Apr．2009 第37卷 第2期 (总第 201期) Vo1．37 No．2 (Ser．No．201) HHT与SVM 在离心泵故障振动信号处理中的应用 ApplicationofHilbert—HuangTnmsform andSupportVectorM achines inVibrationSignalsProzessingforCentrifugalPump 洪 君 ，樊志华 ，李玉婷 (1．大唐户县第二发 电厂，陕西 西安 710302；2．延安大学西安创新学院，陕西 西安 710100) 摘 要 ：提}{I了希尔伯特一黄变换 HHT和支持 向量机 ；VM 相结合的离心泵振动信号故障诊断方法。首先将离心泵 振动信号时 序列数据经验模态分解 EMI)，然后经过HHT获得各模态的能量，并以 “能量 比”为元素，构造离心泵 振动信号的特征向量，用 SVM方法训练测试样本获绢了很好的分类效果。实验结果表明该方法对离心泵振动信号 具有很高的诊断率 。 关键词 ：离心泵 ；希尔伯特一黄变换 ；支持 向量机 ；故障 ：断 Abstract：A new vibration signalfaultdiagnosismetlod forcentrifugalpump with thecombination ofHilbert— HuangTransform (HHT)andsupportvectormachim s(SVM )wasputforward．First。centrifugalpumpvibration signalstime sequencedata intrinsticmode function IMF)were decomposed by empiricalmodedewmposition (EMD)·and theenergyofeachmodewasa‘cquiredb HHT．Thecharactervectorofcentrifugalpumpvibration signalwasconstructedbasedonenergyratio．SVM testingonsamplespecimensshowedgoodclassificationresults andhighvibrationdiagnosingrate． Keywords：centrifugalpump；Hilbert—Huangtransforn ；supportvectormachines (SVM )；faultdiagnosis 中图分类号 ：TH311 文献标识码 ：A ：C章编号 ：1009—53O6(20O9)O2—0026—04 当离心泵出现故障时，其振动信号 的能量会发 较好地解决了小样本 、非线性和高维模式识别等实 生变化，这种变化主要表现在能量随着时间和频率 际问题，并克服了神经网络学习方法中网络结构难 的分布上 “j。在振动信号的时频分析方法 中，小波分 以确定、收敛速度慢 、局部极小点、过学 习与欠学习 析对信号在时域和频域上作精确分析会有较大匿 以及训练时需要大量数据样本等不足，大大提高了 难 ；一旦选择了小波基和分解尺度 ，所得到的结罘 学 习方法的推广能力 ，本文提出了希尔伯特一黄变换 是：某一固定频率段的信号只与信号的采样频率有 HHT和 SVM 相结合的离心泵振动信号故障诊断 关而与信号本身无关，从这一点上来讲小波分析不 方法 ，可以有效地对故障进行诊断。 具有 自适应性 。 因此黄锷等提出的一个新数据处理方法 ：经验 1‘HHT原理及特征向量 的定义 模态分解EMD方法 ，基于信号的局部特征时间尺 度 ，能把复杂信号函数分解为有限的固有模态函数 HHT∞。假设任何一个信号都是由许多IMF组 IMF之和。由于该方法是依据信号