基于经验模式分解复杂度特征和最小二乘支持向量机的离心泵振动故障诊断

针对离心泵振动信号的非平稳特征,提出一种基于经验模式分解(empirical mode decomposition,EMD)复杂度特征和最小二乘支持向量机的离心泵振动故障诊断方法。首先对振动信号进行经验模式分解,将其分解为若干个固有模态函数(intrinsic mode function,IMF),然后对每一个IMF分量提取复杂度特征作为故障特征向量,并以此作为输入参数建立最小二乘支持向量机分类器诊断故障。选用径向基函数(radial basis function,RBF)作为核函数,并采用差分进化算法进行参数选择。应用结果表明,EMD复杂度特征能准确诊断故障,参数优化后的模型具有更高的分类能力。