發(fā)布時間：2022-02-19 11:11

　　針對液壓系統(tǒng)常見的泄漏、氣穴故障問題,從時域分析和頻域分析兩個方面建立液壓系統(tǒng)故障診斷體系,提出了一種基于EMD-SVD變換的液壓機(jī)泄漏、氣穴故障特征提取方法。通過經(jīng)驗(yàn)?zāi)B(tài)函數(shù)將各類故障信號分解為8類不同時間尺度的本征模態(tài)函數(shù)IMFs,對其中能量集中的前5類IMFs組成的初始向量矩陣進(jìn)行SVD（奇異值分解）得到特征向量,組成故障特征矩陣。為比較各類故障診斷方法的最終識別效果,實(shí)驗(yàn)同時利用小波分析和Hilbert-Huang變換2類方法獲得了2類不同特征信號進(jìn)行對比,最后通過模糊聚類分析對各類特征信號進(jìn)行樣本隸屬度計算來判斷故障信號所屬類別。結(jié)果表明,基于EMD-SVD變換的故障特征提取方法取得了最佳識別效果,其識別準(zhǔn)確率可達(dá)99.3%。 

【文章來源】：機(jī)電工程技術(shù). 2020,49(11)

【文章頁數(shù)】：5 頁

【文章目錄】：
0 引言
1 各類信號分解方法
    1.1 分層小波閾值分析算法
    1.2 基于Hilbert-Huang變換的信號提取方法
    1.3 基于EMD-SVD變換的信號提取算法
2 模糊聚類分析算法
3 基于EMD-SVD的液壓故障信號模糊聚類分析實(shí)驗(yàn)
    3.1 原始振動信號采集
    3.2 小波重構(gòu)分解
    3.3 基于EMD-AR譜的Hilbert-Huang變換
    3.4 奇異值分解信息提取
    3.5 基于模糊聚類分析的故障識別結(jié)果對比
4 結(jié)束語


【參考文獻(xiàn)】：
期刊論文
[1]電機(jī)振動信號的模糊聚類分析與故障診斷[J]. 郝少鵬,張雨果,胡俊,岳景輝,余峰,申志澤.  科技與創(chuàng)新. 2019(09)
[2]應(yīng)用EEMD和小波包分解的壓力脈動信號時域特征提取方法[J]. 李瑞,谷立臣,趙鵬軍,郭西惠.  現(xiàn)代制造工程. 2018(07)
[3]基于小波包和Hilbert包絡(luò)分析的隧道掘進(jìn)機(jī)主軸承故障診斷方法研究[J]. 宮瑋麗,梁波,王曉蘭.  工業(yè)儀表與自動化裝置. 2018(02)
[4]液壓傳動系統(tǒng)的故障分析[J]. 常立.  山東工業(yè)技術(shù). 2018(05)



本文編號：3632791