基于VMD和FCM的火箭发动机涡轮泵状态监测方法

摘要

面向重复使用火箭发动机的状态监测与故障诊断需求，针对振动信号的非平稳性和难以提取有效故障特征的问题，提出一种基于变分模态分解（Variational Mode Decomposition, VMD）和模糊C均值聚类（Fuzzy C-Means, FCM）的状态监测方法。采用优化VMD算法自适应地将振动信号分解为多个本征模态分量（Intrinsic Mode Function, IMF），根据加权相关样本熵最大准则选取关键IMF分量；利用t分布随机近邻嵌入（t-SNE）对关键IMF分量的多维时域、频域特征降维，得到特征向量矩阵；利用模糊C均值聚类算法实现发动机工作状态的监测。将该方法应用于发动机涡轮泵工作状态监测，结果表明其能够提取振动信号关键特征，准确识别涡轮泵工作状态，测试集识别准确率达92.50%，为火箭发动机状态监测与故障诊断提供了理论支撑。

关键词

火箭发动机 / 涡轮泵 / 状态监测 / 振动信号 / 变模态分解 / 模糊均值聚类