Multi-Sensor-Fusion durch CWT-PARAFAC-IPSO-SVM für intelligente mechanische Fehlersuche

Eine neue Methode zur Analyse von Mehrkanalsignalen für die Fehlersuche von Zentrifugalpumpen basierend auf der parallelen Faktorenanalyse (PARAFAC) und der Support-Vektor-Maschine (SVM) wird vorgeschlagen. Das Einkanal-VibrationSignal wird durch die kontinuierliche Wavelet-Transformation (CWT) analysiert, um die Zeit-Frequenz-Darstellung zu konstruieren. Die mehreren Zeit-Frequenz-Daten werden verwendet, um die dreidimensionale Datenmatrix zu konstruieren. Die 3-stufige PARAFAC-Methode wird vorgeschlagen, um die Datenmatrix zu zerlegen und die sechs Merkmale zu erhalten, die das Zeitbereichssignal (Modus 3) und das Frequenzbereichssignal (Modus 2) jeder Ebene innerhalb der dreistufigen PARAFAC sind. Die achtzehn Merkmale von VibrationSignalen aus drei Richtungen werden verwendet, um die Datenverarbeitungsfähigkeit der Algorithmusmodelle durch den Vergleich zwischen CWT-PARAFAC-IPSO-SVM, WPA-PSO-SVM, WPA-IPSO-SVM und CWT-PARAFAC-PSO-SVM zu testen. Die Ergebnisse zeigen, dass die Mehrkanal-3-stufige Datenzerlegung mit PARAFAC eine bessere Leistung als WPT aufweist. Die verbesserte Partikelschwarmoptimierung (IPSO) zeigt eine enorme Verbesserung in der Komplexität der Optimierungsstruktur und der Laufzeit im Vergleich zur herkömmlichen Partikelschwarmoptimierung (PSO). Es wird bestätigt, dass der vorgeschlagene CWT-PARAFAC-IPSO-SVM der optimalste Hybridalgorithmus ist. Darüber hinaus zeichnet er sich durch seine robuste und zuverlässige Überlegenheit aus, um die mehrfachen Quellen großer Daten in der kontinuierlichen Zustandsüberwachung in großen mechanischen Systemen zu verarbeiten.