来源：期刊VIP网 时间：
作者：刘晓林;
单位：常德学院智能制造学院;
摘要：常用的电磁阀故障诊断方法和容错控制方法存在局限，难以精确区分故障与误操作，影响了诊断的准确性。针对这一问题，提出了一种基于改进支持向量机(SVM)的制冷压缩机电磁阀故障智能诊断方法。主要目的是通过引入多因素评估和Morlet小波优化方法，精确划分制冷压缩机电磁阀的故障等级，并提取故障信号特征，以提高诊断的准确性和可靠性。为实现这一目标，首先设定了制冷压缩机电磁阀的健康因子有限目标集合，并通过设计每个健康因子与评估集的隶属度来评估其状态。针对不同故障等级，采用Morlet小波优化方法确定故障信号的小波形态，并利用软阈值去噪和瞬态信号重建提取故障特征。随后，利用支持向量机算法对故障特征数据进行有效分类，并通过天牛须算法优化参数，以获得最优的诊断性能。实验结果表明，所提方法能够准确诊断制冷压缩机电磁阀的故障，与实际故障情况完全相符。与传统的故障诊断方法相比，该方法不仅提高了诊断精度，而且有效排除了误操作干扰。诊断结果的均方误差可降低至0.05,显示出优越的诊断效果。
关键词：改进支持向量机;;制冷压缩机;;电磁阀;;故障识别;;状态评估;;小波优化
基金资助：湖南省自然科学基金资助项目(2022JJ60053)
