基于EEMD-SVM的液压泵故障诊断

摘要

cqvip:为提高利用液压泵振动信号进行故障诊断的准确率和减小诊断时间,采用集合经验模态分解(EEMD)的方式来提取振动信号特征,并将其作为液压泵故障诊断的数据集。在此基础上利用支持向量机(SVM)与深度神经网络(DNN)进行故障诊断,最后通过验证数据集检验模型诊断故障的准确程度。结果表明:EEMD-SVM在液压泵故障诊断方面具有较好的性能,与神经网络故障诊断模型相比,支持向量机模型在液压泵故障诊断方面具有更高的准确率和更短的诊断时间。