基于支持向量机的离心泵初生空化监测

叶韬，司乔瑞，申纯浩，杨松，袁寿其*

(1. 江苏大学国家水泵及系统工程技术研究中心,江苏 镇江212013； 2. 中国核动力研究设计院核反应堆系统设计技术重点实验室，四川 成都610213)

离心泵在市政供水、电力、化工以及军事等领域都有广泛应用[1]，对离心泵进行早期故障识别不但对离心泵安全稳定运行至关重要，而且可以降低其运行维护成本，延长使用寿命.因此，研究并发展离心泵的故障诊断技术是必要的.空化是离心泵的故障之一，空化过程中形成的气泡不仅影响管道内的速度及压力分布，而且由于空泡破灭产生冲击载荷，会对叶轮等过流部件造成损伤以及引发振动和噪声.振动信号的强弱与离心泵的运行状态有着密切联系，利用振动信号进行故障诊断是目前较为广泛的方法[2-3].

目前，国内外学者对离心泵的故障诊断研究主要集中在轴承、密封、叶轮缺损、空化等方面[4-5].MURALIDHARAN等[6]提出了一种基于决策树算法和连续小波变换分析叶轮缺损以及轴承故障等故障组合技术.FATIMA等[7]利用支持向量机对转子-轴承系统中由于轴承和不平衡引起的故障进行了分类.AZIZI等[8]使用经验模态法和广义神经网络相结合的方式对离心泵空化进行了诊断.周云龙等[9]提出了一种多点噪声分析法研究汽蚀故障下的离心泵噪声,总结其规律并应用到故障诊断中.曹玉良等[10]提出了一种基于深度学习的离心泵空化状态识别方法.

支持向量机是一种常用的机器学习……