基于KECA的离心泵健康状态评价方法

• 作者: 王前江 陈磊 徐向阳 岳帅旭
• 来源期刊: 组合机床与自动化加工技术
• 关键词: 状态评价 经验模态分解 核熵成分分析 健康度
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 先进管理技术
• 页码范围: 181-184
• 页数: 4页
• 分类号: TH162|TG506
• 语种: 中文
• DOI: 10.13462/j.cnki.mmtamt.2021.07.042

摘要

针对目前离心泵运行数据冗余、非线性的特点,提出一种基于核熵成分分析(KECA)的离心泵健康状态评价方法.首先,利用经验模态分解(EMD)对采集信号进行降噪处理,提取信号的15个指标作为KECA的输入数据;其次,KECA利用Renyi信息熵来确定所保留的主元,在降低数据维度的同时尽可能减少了信息的丢失,并以熵值的贡献率来设置离心泵运行状态综合得分的各项权重;最后,定义健康度值(HD)来规范离心泵健康状况指标并划分安全等级.实验结果表明,基于KE-CA的离心泵状态评价方法能够有效提取出离心泵运行数据中的关键信息,实现对离心泵的健康状态客观评价,证明了该方法的科学性和有效性.