Using MLP-GABP and SVM with wavelet packet transform-based feature extraction for fault diagnosis of a centrifugal pump,Energy Science & Engineering

当前位置： X-MOL 学术 › Energy Sci. Eng. › 论文详情

Our official English website, www.x-mol.net, welcomes your feedback! (Note: you will need to create a separate account there.)

Using MLP-GABP and SVM with wavelet packet transform-based feature extraction for fault diagnosis of a centrifugal pump
Energy Science & Engineering ( IF 3.5 ) Pub Date : 2021-07-02 , DOI: 10.1002/ese3.933
Maamar Al Tobi ₁ , Geraint Bevan ₂ , Peter Wallace ₂ , David Harrison ₂ , Kenneth Eloghene Okedu _{3,

4}

Affiliation

This paper explores artificial intelligent training schemes based on multilayer perceptron, considering back propagation and genetic algorithm (GA). The hybrid scheme is compared with the traditional support vector machine approach in the literature to analyze both fault and normal scenarios of a centrifugal pump. A comparative analysis of the performance of the variables was carried out using both schemes. The study used features extracted for three decomposition levels based on wavelet packet transform. In order to investigate the effectiveness of the extracted features, two mother wavelets were investigated. The salient part of this work is the optimization of the hidden layers numbers using GA. Furthermore, this optimization process was extended to the multilayer perceptron neurons. The evaluation of the model system performance used for the study shows better response of the extracted features, and hidden layers variables including the selected neurons. Moreover, the applied training algorithm used in the work was able to enhance the classifications obtained considering the hybrid artificial intelligent scheme been proposed. This work has achieved a number of contributions like GA-based selection of hidden layers and neuron, applied in neural network of centrifugal pump condition classification. Furthermore, a hybrid training method combining GA and back propagation (BP) algorithms has been applied for condition classification of a centrifugal pump. The obtained results have shown the good ability of the proposed methods and algorithms.

中文翻译：

使用 MLP-GABP 和 SVM 与基于小波包变换的特征提取进行离心泵故障诊断

本文探讨了基于多层感知器的人工智能训练方案，考虑了反向传播和遗传算法（GA）。将混合方案与文献中的传统支持向量机方法进行比较，以分析离心泵的故障和正常情况。使用这两种方案对变量的性能进行了比较分析。该研究使用基于小波包变换的三个分解级别提取的特征。为了研究提取特征的有效性，研究了两个母小波。这项工作的突出部分是使用 GA 优化隐藏层数。此外，这种优化过程被扩展到多层感知器神经元。用于研究的模型系统性能评估显示提取的特征和隐藏层变量（包括所选神经元）的响应更好。此外，考虑到提出的混合人工智能方案，工作中使用的应用训练算法能够增强获得的分类。这项工作取得了许多贡献，如基于遗传算法的隐藏层和神经元选择，应用于离心泵状态分类的神经网络。此外，将 GA 和反向传播 (BP) 算法相结合的混合训练方法已应用于离心泵的状态分类。所获得的结果表明了所提出的方法和算法的良好能力。和隐藏层变量，包括选定的神经元。此外，考虑到提出的混合人工智能方案，工作中使用的应用训练算法能够增强获得的分类。这项工作取得了许多贡献，如基于遗传算法的隐藏层和神经元选择，应用于离心泵状态分类的神经网络。此外，将 GA 和反向传播 (BP) 算法相结合的混合训练方法已应用于离心泵的状态分类。所获得的结果表明了所提出的方法和算法的良好能力。和隐藏层变量，包括选定的神经元。此外，考虑到提出的混合人工智能方案，工作中使用的应用训练算法能够增强获得的分类。这项工作取得了许多贡献，如基于遗传算法的隐藏层和神经元选择，应用于离心泵状态分类的神经网络。此外，将 GA 和反向传播 (BP) 算法相结合的混合训练方法已应用于离心泵的状态分类。所获得的结果表明了所提出的方法和算法的良好能力。这项工作取得了许多贡献，如基于遗传算法的隐藏层和神经元选择，应用于离心泵状态分类的神经网络。此外，将 GA 和反向传播 (BP) 算法相结合的混合训练方法已应用于离心泵的状态分类。所获得的结果表明了所提出的方法和算法的良好能力。这项工作取得了许多贡献，如基于遗传算法的隐藏层和神经元选择，应用于离心泵状态分类的神经网络。此外，将 GA 和反向传播 (BP) 算法相结合的混合训练方法已应用于离心泵的状态分类。所获得的结果表明了所提出的方法和算法的良好能力。

更新日期：2021-07-02

点击分享查看原文

点击收藏

公开下载

阅读更多本刊最新论文本刊介绍/投稿指南11