基于小波包分解与SVM的气阀故障诊断研究

• 作者: 周意贺 张秀珩 王航 苏放
• 来源期刊: 光电技术应用
• 学科: 工学
• 关键词: 往复式压缩机 气阀 网格搜索 支持向量机 小波包分解
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 信号与信息处理
• 页码范围: 48-52
• 页数: 5页
• 分类号: TH16
• 字数: 2080字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-1255.2019.05.010

摘要

往复式压缩机是石油化工生产的关键设备,它的安全平稳运行与气阀的工作状态息息相关.为实现往复式压缩机气阀故障的快速诊断,利用小波包分解提取故障特征,基于SVM方法对气阀故障进行了识别,利用网格搜索进行参数寻优,搭建了小波包分解与支持向量机SVM联合诊断压缩机气阀故障的模型,验证了支持向量机SVM诊断压缩机气阀故障的有效性.简化了传统由经验人员判断气阀故障类型的过程,为压缩机气阀故障分析、气阀维修与更换等实际问题提供了理论依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张秀珩	沈阳理工大学机械工程学院	22	78	5.0	8.0
2	苏放	沈阳理工大学机械工程学院	5	2	1.0	1.0
3	王航	沈阳理工大学机械工程学院	5	0	0.0	0.0
4	周意贺	沈阳理工大学机械工程学院	3	0	0.0	0.0