基于變分模態分解云模型和優化LSSVM的汽輪機振動故障診斷

摘要：針對汽輪機運行過程中的非平穩性和多分量性振動故障信號,提出一種基于變分模態分解相對熵云模型和優化最小二乘支持向量機(LSSVM)的汽輪機振動故障診斷方法。首先,利用變分模態分解按照預設尺度將故障信號分解為K個模態分量,根據各模態分量與原始信號的相對熵大小去除偽分量,提取最佳分量并將其輸入云模型,采用逆向云發生器提取特征向量。然后使用改進果蠅優化算法動態調整搜索步長搜尋影響LSSVM識別精度的超參數最佳組合,最后將特征向量輸入參數優化后的LSSVM進行故障識別,并與采用經驗模態分解相對熵云模型和集合經驗模態分解相對熵云模型的LSSVM識別結果進行了對比。結果表明:所提方法優于傳統的信號分解方法,對汽輪機振動故障類別具有很高的識別準確率。