来源：期刊VIP网 时间：
作者：李有根;马文生;李方忠;王庆锋;
单位：重庆理工大学机械工程学院;重庆水泵厂有限责任公司研究生培养基地;北京化工大学机电工程学院;
摘要：针对实际工程中多级离心泵故障样本难获取的现象，通过多级离心泵故障模拟试验台模拟实际产品的碰摩、不对中、不平衡三种典型故障，基于支持向量机(Support Vector Machine, SVM)建立故障诊断模型的方法实现故障的分类。采用集合经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)算法提取振动信号的时频域特征，结合时、频域和信息熵特征构造高维特征样本后，以主成分分析(Principal Component Analysis, PCA)优化输入样本质量，实现对故障的高效分类。另外，对比分析SVM和反向传播(Back Propagation, BP)神经网络的分类效果，表明SVM模型分类的效果更好，在多级离心泵的故障诊断中具有良好的适用性。
关键词：多级离心泵;;支持向量机;;BP神经网络;;集合经验模态分解;;主成分分析
基金资助：国家重点研发计划子课题(2020YFC1512403);; 重庆市科技局重点项目(cstc2018jszx-cyzdX0167)资助~~
