基于CEEMDAN与VNWOA-LSSVM的供输弹系统早期故障诊断研究

来源：机床与液压杂志2022年第8期北京时间：

作者：景雪瑞，许昕，潘宏侠，李磊磊，刘燕军，高俊峰

单位：中北大学机械工程学院,中北大学系统辨识与诊断技术研究所；中北大学机械工程学院,中北大学系统辨识与诊断技术研究所；中北大学机械工程学院；中北大学机械工程学院；内蒙古北方重工集团研究院；内蒙古一机集团科研所

摘要：由于供输弹系统早期故障信号成分复杂，故障特征微弱，故提出一种基于自适应噪声完备经验模态分解(CEEMDAN)与以冯诺依曼拓扑结构(VN)改进鲸鱼算法(WOA)优化下的最小二乘支持向量机（LSSVM）的故障诊断方法。在对所测信号进行预处理即去趋势项和零点漂移后，通过CEEMDAN对供输弹信号进行分解，得出模态分量(IMF); 然后依据相关系数和峭度准则这两个标准来选取符合标准的IMF分量，提取这些分量的分布熵(DE)作为特征; 最后用VNWOA-LSSVM诊断模型，输入供输弹系统3种不同工况下的振动信号特征进行故障诊断，并且还对比了LSSVM、PSO-LSSVM、GA-LSSVM和WOA-LSSVM等方法对故障的识别率。实验结果表明：这些方法中经VNWOA优化后的LSSVM的识别率最高，高达94.03%。

关键词：自适应噪声的完备经验模态分解;分布熵;鲸鱼算法;支持向量机;故障特征提取

基金资助：国家自然科学基金项目（51675491）