[发明专利]一种自适应泵站故障智能诊断方法

摘要

本发明公开了一种自适应泵站故障智能诊断方法，涉及水力机械故障诊断技术领域。该方法针对泵站的故障诊断分类方面，用各种故障数据进行支持向量机分类，分类时采用概念更为简单，而且更易于实现的CSA优化算法对C‑SVC中的参数‑c，与RBF核函数进行优化。提高了分类准确率，缩短了分类所需要的时间，提高了故障诊断的自适应性。从而提高了泵站故障诊断的效率，解决了现有的分类优化算法中实现时间较长，分类不准确等的问题，进而实现自适应的泵站故障智能诊断方法。另外，本发明在进行分类优化之前，在泵站的故障诊断方面引入了经验模态分解和样本熵理论，从而进一步提高了水泵机组故障发生类型的诊断准确率。

主权项

1.一种自适应泵站故障智能诊断方法，其特征在于，包括如下步骤：S1，确定泵站故障的分类准确率作为故障诊断的最终目标；S2，采集设备信号，并对信号进行降噪处理，得到降噪后的信号，S3，对降噪后的信号进行经验模态分解，得到分解出的本征模函数；S4，对所述本征模函数进行样本熵提取；S5，利用不同信号的样本熵进行支持向量机分类，分类过程中，采用乌鸦搜索算法对C‑SVC中的参数‑c，与RBF核函数中的参数‑g进行优化，得到最高的分类准确率，进而得到最优分类效果的智能化故障诊断。