SPA-HRDE在机械设备声信号故障诊断中的应用

简介

针对现有故障诊断方法存在接触式采集、精度低等问题,提出了一种结合平滑先验分析和层次反向散布熵的机械设备故障诊断方法。首先,通过SPA将声音信号分解为趋势项和去趋势项。随后,利用HRDE提取趋势项和去趋势项信号的层次熵值,构建故障特征样本;最后,利用蜜獾算法对支持向量机的关键参数进行搜索,建立参数最优的故障识别模型,将故障特征输入到HBA-SVM分类器中进行故障识别,并基于离心泵和滚动轴承两种机械设备的实验评估证实了所提方法的有效性。试验结果表明该方法分别取得了100%和97%的故障识别精度。相较于其他故障诊断方法,该方法能够充分提取声信号中的故障信息,实现更高精度的故障诊断,具有很强的鲁棒性。