简介：为提升涡轮增压器喘振状态识别精度,提出一种针对声信号的基于改进的完备集合经验模态分解(ICEEMDAN)与冠豪猪算法优化支持向量机(CPO-SVM)的喘振识别方法,并开发基于LabVIEW的喘振实时识别系统进行工程验证.通过信号采集设备构建声信号数据集,采用 ICEEMDAN 对声信号进行模态分解,利用排列熵(PE)筛选有效本征模态函数,结合小波阈值降噪实现信号重构.基于时频域特征提取构建喘振特征集,利用CPO-SVM 建立喘振识别模型.结果表明:重构信号在冠豪猪优化(CPO)算法模型、粒子群优化算法(PSO)模型、鲸鱼优化算法(WOA)模型、麻雀搜索算法(SSA)模型及灰狼优化算法(GWO)模型多种对比模型中的平均识别准确率达 95.30％,较原始信号提升 10.20％;CPO-SVM模型迭代次数最少且准确率为 99.62％.喘振实时识别系统识别准确率达到98.60％,误报率低于1.20％.该方法为涡轮增压器喘振识别提供了理论支撑和工程化应用案例.展开
