本文關(guān)鍵詞：基于EMD及神經(jīng)網(wǎng)絡的柱塞泵故障診斷的方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著液壓技術(shù)的不斷發(fā)展，液壓系統(tǒng)應用更加廣泛，結(jié)構(gòu)更加復雜，故障可能性進一步加大。柱塞泵作為重要的液壓元件，其故障診斷方法朝著自動化、智能化方向發(fā)展。本研究采用將神經(jīng)網(wǎng)絡及灰色理論相結(jié)合的方法，對柱塞泵的故障診斷進行研究，主要工作如下： 首先，研究了柱塞泵的結(jié)構(gòu)及其工作原理，分析了柱塞泵常見的故障形式及其特性，以及柱塞泵振動方面的信號的頻譜，推導出信號轉(zhuǎn)化為功率譜和信號轉(zhuǎn)化為時間域的計算公式。 其次，采用EMD方法將柱塞泵的信號分解成有限的本征函數(shù)，并利用AR模型對高頻成分進行建模，提取特征值。從而解決了傳統(tǒng)信號不易提取故障特征的問題。 再次，研究了灰色理論的柱塞泵故障診斷方法，深入探討了故障信號的處理方式以及如何進行特征向量提取，，并設計出了軸向柱塞泵故障診斷的流程圖。 最后，通過實驗，驗證神經(jīng)網(wǎng)絡及灰色理論相結(jié)合的方法對柱塞泵故障診斷的可行性。研究了特征參數(shù)篩選及網(wǎng)絡警戒參數(shù)設置對診斷精確度造成的影響。 本文研究成果能更好的對故障分類，對減少柱塞泵故障具有很大的指導意義，同時為柱塞泵在工程應用中具有重要的理論意義和實用價值。
【關(guān)鍵詞】：柱塞泵 EMD 神經(jīng)網(wǎng)路 故障診斷 液壓系統(tǒng)
【學位授予單位】：天津大學
【學位級別】：碩士
【學位授予年份】：2013
【分類號】：TH137.51;TH165.3
【目錄】：

• 摘要3-4
• ABSTRACT4-7
• 第一章 緒論7-11
• 1.1 課題研究背景及意義7-8
• 1.2 柱塞泵故障診斷的國內(nèi)外研究現(xiàn)狀8-10
• 1.3 課題研究內(nèi)容10-11
• 第二章 柱塞泵介紹與故障機理分析11-17
• 2.1 柱塞泵介紹和故障機理相關(guān)分析11-15
• 2.1.1 柱塞泵的結(jié)構(gòu)及工作原理12-13
• 2.1.2 柱塞泵常見故障及特性分析13-15
• 2.2 柱塞泵振動信號的頻譜分析介紹15-16
• 2.2.1 功率譜15
• 2.2.2 Hilbert 包絡譜15-16
• 2.3 本章小結(jié)16-17
• 第三章 基于柱塞泵故障診斷的 EMD與 AR 序列模型結(jié)合的特征提取方法17-23
• 3.1 EMD 原理17-19
• 3.1.1 基于極值點的特征尺度17
• 3.1.2 本征模態(tài)函數(shù)17-18
• 3.1.3 EMD 過程18-19
• 3.2 AR 模型介紹19-20
• 3.2.1 時序模型概念19-20
• 3.2.2 自回歸模型的參數(shù)計算20
• 3.2.3 自回歸模型的階數(shù)確定20
• 3.3 EMD 及 AR 模型結(jié)合的特征提取方法20-21
• 3.4 特征參數(shù)的篩選21-22
• 3.5 本章小結(jié)22-23
• 第四章 基于神經(jīng)網(wǎng)絡方法的柱塞泵故障診斷23-42
• 4.1 灰色神經(jīng)網(wǎng)絡方法及理論23-25
• 4.1.1 灰色理論與神經(jīng)網(wǎng)絡結(jié)合方法23-24
• 4.1.2 灰色神經(jīng)網(wǎng)絡設計24-25
• 4.2 基于柱塞泵故障診斷的信號處理25-33
• 4.2.1 小波分解25-28
• 4.2.2 小波包消噪28-30
• 4.2.3 Hilbert 變換包絡解調(diào)30-33
• 4.3 基于柱塞泵故障診斷的特征向量提取33-38
• 4.3.1 小波包能量特征提取33-36
• 4.3.2 幅值域特征向量提取36-38
• 4.4 灰色神經(jīng)網(wǎng)絡故障診斷38-41
• 4.4.1 時頻域特征向量診斷39-41
• 4.4.2 幅值域特征向量診斷41
• 4.5 本章小結(jié)41-42
• 第五章 柱塞泵 EMD實驗數(shù)據(jù)分析42-56
• 5.1 柱塞泵 EMD實驗臺42-45
• 5.1.1 實驗臺及信號的采集系統(tǒng)相關(guān)介紹42-44
• 5.1.2 實驗中的參數(shù)與元件故障設置44
• 5.1.3 實驗在線監(jiān)測參數(shù)分析44-45
• 5.2 柱塞泵振動數(shù)據(jù)的提取45-46
• 5.3 柱塞泵振動數(shù)據(jù)的 EMD46-50
• 5.4 AR 模型參數(shù)的提取50-53
• 5.4.1 bootstrap 方法51-52
• 5.4.2 FAM 分類精確度均值估計52-53
• 5.5 基于距離的特征參數(shù)優(yōu)選53-55
• 5.6 本章小結(jié)55-56
• 第六章 全文結(jié)論與展望56-57
• 參考文獻57-60
• 致謝60

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 高旭,黃微,張麗娟;齒輪磨損故障診斷方法[J];鞍山鋼鐵學院學報;2000年06期

2 王少萍,王占林;液壓泵軸承故障的診斷方法[J];北京航空航天大學學報;1993年04期

3 胡順斌,李金芳,高亮,楊衛(wèi)中;網(wǎng)絡型三相異步電動機綜合保護及控制系統(tǒng)的研制[J];河北農(nóng)業(yè)大學學報;2002年02期

4 陳論軍;曲柄柱塞泵流量誤差的概率分析[J];貴州工學院學報;1994年05期

5 朱滿超;簡談柱塞泵的故障分析與排除[J];化工施工技術(shù);1996年05期

6 崔文超;振動診斷技術(shù)在DF_4型內(nèi)燃機車變速箱故障判斷中的應用[J];機車車輛工藝;2003年02期

7 趙永凱;趙靜一;陳一鳴;;軸向柱塞泵故障的振動診斷研究[J];機床與液壓;1992年02期

8 姜萬錄,王益群;混沌振子在液壓泵故障診斷中的應用[J];機床與液壓;1999年05期

9 樓應候,蔣亞南;機械設備故障診斷與監(jiān)測技術(shù)的發(fā)展趨勢[J];機床與液壓;2002年04期

10 ;Boundary-processing-technique in EMD method and Hilbert transform[J];Chinese Science Bulletin;2001年11期

  本文關(guān)鍵詞：基于EMD及神經(jīng)網(wǎng)絡的柱塞泵故障診斷的方法研究，由筆耕文化傳播整理發(fā)布。

本文編號：293916