相空间重构与差分进化算法—烟花算法—支持向量机结合的高压开关机械故障诊断方法

振动信号特征识别是一种有效的非侵入式高压开关机械故障诊断方法。提出利用互补集合经验模态分解(complementary ensemble empirical mode decomposition, CEEMD)结合相空间重构提取振动信号的有效特征;用差分进化(differential evolution, DE)算法和烟花算法(fireworks algorithm, FWA)优化支持向量机(support vector machine, SVM)核函数参数的分类器,实现DE-FWA-SVM对机械故障的准确识别。首先,通过CEEMD将振动信号分解成一系列固有模态函数(intrinsic mode functions, IMF),对相关系数较大的IMF分量进行相空间重构,提取表征混合特征的最大李雅普诺夫指数和关联维数构造特征向量;其次,引入DE算法优化FWA算法的求解精度和收敛速度,以DE-FWA对SVM参数寻优,解决SVM参数选择敏感问题;最后,根据对5种典型工况进行模拟试验,结果表明本文方法能准确提取特征,DE-FWA-SVM算法表现出更优分类性能。