基于ICEEMDAN-GCNII的柱塞泵故障诊断方法研究

简介

为识别出柱塞泵的不同故障模式,提出一种柱塞泵故障诊断方法。首先,将柱塞泵的振动加速度信号数据通过改进的自适应噪声完备集成经验模态分解(Improved Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,ICEEMDAN)方法分解为多个固有模态分量(Intrinsic Mode Function,IMF),分别计算筛选后的IMF分量的时域、频域特征并拼接为特征向量;其次,使用K近邻算法计算各特征向量之间的相似度,依据相似度生成一种故障样本特征图,实现一维时序数据到图结构数据的转换,刻画不同故障样本之间的联系;最后,将故障样本特征图输入至基于初始残差和恒等映射的图卷积网络(Graph Convolutional Network via Initial Residual and Identity Mapping,GCNII)诊断模型中,准确的识别出柱塞泵的不同故障类型。经实验验证,该方法在5种柱塞泵故障类型上的诊断率达到了98.67%。