来源：期刊VIP网 时间：
作者：黄欣悦;别锋锋;李倩倩;缪新婷;黄文庆;邢雨;
单位：常州大学机械与轨道交通学院;江苏省绿色过程装备重点实验室;
摘要：如何提取往复压缩机气阀故障信号中的冲击特征并识别蕴含在内的非线性与非平稳特性，一直是本研究领域的热点和难点。为了有效提取往复压缩机振动信号中的特征信息，本文提出了一种基于改进型变分模态分解(Variational Mode Decomposition, VMD)和模糊熵(Fuzzy Entropy, FE)结合的特征提取方法。首先，利用白鲸优化算法(Beluga Whale Optimization, BWO)对变分模态分解算法进行优化，自适应优选其核心参数(模态个数K和惩罚因子α),由此针对往复式压缩机气阀振动信号分解得到K个模态分量(Intrinsic Mode Function, IMF),将IMFs进行信号重构，通过模糊熵值分析构成特征向量集，最后通过构建的极限学习机(ELM)分类模型完成气阀工况模式识别。数值仿真和实验模拟研究结果表明，该方法具有良好的有效性、适用性及准确性。
关键词：往复式压缩机;;变分模态分解;;模糊熵;;极限学习机;;模式识别
基金资助：国家自然科学基金资助项目(52206041;52105141);; 常州大学教育教学研究课题(GJY2021025);常州大学研究生教育教学改革与创新研究课题项目(GJY23020073)
