基于PSO-SVM模型的液压系统故障诊断

• 作者: 李明骏 张国银 王海瑞
• 来源期刊: 电视技术
• 关键词: 故障诊断 液压系统 粒子群算法 支持向量机 CEEMDAN 模糊熵
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 器件与设计|PARTS & DESIGN
• 页码范围: 115-119
• 页数: 5页
• 分类号: TP18
• 语种: 中文
• DOI: 10.16280/j.videoe.2021.05.032

摘要

针对液压系统在使用中故障频率较高、诊断方法受各种因素影响以及诊断准确率较低等问题,提出一种新的基于PSO-SVM模型的液压系统故障诊断方法.该方法首先对采集的故障信号数据进行预处理,使用自适应噪声完备集合经验模态分解(Complete EEMD with Adaptive Noise,CEEMDAN)结合模糊熵的方法进行特征提取,形成数据样本;其次,利用粒子群算法(Particle Swarm Optimization,PSO)对支持向量机(Support Vector Machine,SVM)核函数和惩罚系数进行优化,利用数据样本训练SVM模型;最后,应用优化后的分类模型对故障进行识别分类,并与GA-SVM和基本SVM对比,验证PSO-SVM模型的分类性能.实验表明,该方法可以精准识别出故障类型,具有较强的诊断能力.