基于MFDFA的往复泵泵阀声音信号故障诊断

作     者：郭攀 史洪伟 裴峻峰 王红艳 周丹红 谢永 GUO Pan;SHI Hong-wei;PEI Jun-feng;WANG Hong-yan;ZHOU Dan-hong;XIE Yong

作者机构：宿州学院化学化工学院安徽宿州234000 常州大学机械工程学院江苏常州213016 

出 版 物：《榆林学院学报》 (Journal of Yulin University)

年 卷 期：2020年第30卷第2期

页      面：41-45页

学科分类：080704[工学-流体机械及工程] 08[工学] 0807[工学-动力工程及工程热物理] 

基　　金：宿州学院“新工科”试点专业建设项目(szxy2018xgk02) 宿州学院校级专业带头人(2019XJZY28) 宿州学院教授(博士)启动基金项目(2019jb03) 宿州学院创新训练项目(201810379042) 2017年安徽省高校自然科学研究重点项目(KJ2017 A435) 

主　　题：往复泵泵阀 声音信号 MFDFA 故障诊断 SVM 

摘      要：针对往复泵泵阀故障诊断,使用声音信号对其进行状态监测,采用多重分形趋势波动分析(MFDFA,Multifractal Detrended Fluctuation Analysis)计算时间序列声音信号的多重分形谱,并提取特征参数,将这些参数用于故障诊断。首先将时间序列的声音信号转换为时间序列的随机游走;然后进行去趋势并提取声音信号的多重分形特征参数进行比较分析;最后将多重分形参数作为特征向量输入支持向量机(SVM,Support Vector Machine)进行模式识别。经过验证分析,声音信号的波动呈现明显的多重分形特性,可以有效区分正常状态与故障状态,进而实现对往复泵泵阀的故障诊断。