李瑞，范玉刚，张光辉.KLPP特征约简与RELM的高压隔膜泵单向阀故障诊断[J].机械科学与技术，2023，42（8）：1332-1339KLPP特征约简与RELM的高压隔膜泵单向阀故障诊断李瑞1,2，范玉刚1,2，张光辉1（1.昆明理工大学信息工程与自动化学院，昆明650500；2.昆明理工大学云南省人工智能重点实验室，昆明650500）摘要：为此提出基于核局部保持投影(KLPP)和正则化极限学习机(RELM)的高压隔膜泵单向阀故障诊断方法。首先，提取单向阀振动信号的时域、频域、时频域特征，构建多域特征集；然后，通过KLPP算法对构建的多域特征集进行维数约简；最后，建立基于RELM的故障诊断模型，用于识别单向阀运行状态。实验结果表明，基于多域特征的故障诊断方法检测精度高于单域特征识别方法；KLPP约简多域特征集，可以有效消除信息冗余；建立的RELM故障诊断模型识别精度达到98.89%，能够有效识别高压隔膜泵单向阀故障类型。关键词：单向阀；故障诊断；核局部保持投影；正则化极限学习机中图分类号：TN710.1；TH165.3文献标志码：ADOI：10.13433/j.cnki.1003-8728.20220076文章编号：1003-8728（2023）08-1332-08CheckValveFaultDiagnosisofHigh-pressureDiaphragmPumpwithKLPPFeatureReductionandRELMLIRui1,2，FANYugang1,2，ZHANGGuanghui1(1.FacultyofInformationEngineeringandAutomation,KunmingUniversityofScienceandTechnology,Kunming650500,China；2.YunnanKeyLaboratoryofArtificialIntelligence,KunmingUniversityofScienceandTechnology,Kunming650500,China)Abstract：Thesingle-domainfeaturecannotfullyreflecttheoperatingstateofcheckvalveofthehigh-pressurediaphragmpump,andthehigh-dimensionalfeaturesetcomposedofmulti-domainfeatureswillproducedimensionaldisasters,andtheinformationredundancyleadstolowrecognitionaccuracyofthefaultdiagnosismodel.Tothisend,afaultdiagnosismethodforcheckvalveofhigh-pressurediaphragmpumpbasedonKLPP(Kernellocalpreservationprojection)andRELM(Regularizedextremelearningmachine)isproposedinthispaper.First,thetimedomain,frequencydomainandtime-frequencydomainfeaturesofcheckvalvevibrationsignalarerespectivelyextractedtoconstructamulti-domainfeatureset.Then,dimensionalityreductionisperformedontheconstructedmulti-domainfeaturesetthroughtheKLPPalgorithm.Finally,afaultdiagnosi...
