基于RLMD与BAS-BP的柴油机故障诊断研究

摘要

为了提高柴油机水泵盖体故障信号的特征提取能力，快速有效地诊断出故障类型，提出了鲁棒的局部均值分解算法（RLMD）与天牛须算法（BAS）优化的BP神经网络相结合的故障诊断方法。首先，对采集的信号序列进行小波阈值和RLMD双重降噪，再根据斯皮尔曼相关系数筛选出与原信号相似度高的信号分量（PF）;然后，求出每个分量的小波能量熵、小波奇异值熵作为故障特征；最后，利用BAS优化的BP神经网络进行故障诊断和识别。同时，与GA-BP、PSO-BP优化的神经网络相比较。结果表明，BAS-BP在各方面都优于PSO-BP、GA-BP神经网络，且BAS-BP的故障分类准确率可达到98.90%。