針對液壓泵故障診斷問題,本文提出了一種基于辛幾何模態(tài)分解和廣義形態(tài)分形維數(shù)相結(jié)合的方法。對實(shí)測液壓泵多模態(tài)故障振動信號進(jìn)行分解;基于所提出的能量選取法,重構(gòu)含有豐富運(yùn)行特征信息的模態(tài)分量,并將其作為數(shù)據(jù)源;基于數(shù)據(jù)源提取,實(shí)現(xiàn)對液壓泵不同故障的診斷。通過對比分析仿真和實(shí)測液壓泵故障振動信號的試驗(yàn)結(jié)果,驗(yàn)證了該方法可以有效地診斷液壓泵不同故障。 

【文章來源】：哈爾濱工程大學(xué)學(xué)報(bào). 2020,41(05)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

方法流程

利用SGMD對仿真信號x(t)進(jìn)行分解,根據(jù)文獻(xiàn)[10]可知,參數(shù)d設(shè)置為n/3,其中n為信號長度,即得到255個(gè)SGC分量,并對上述分量進(jìn)行能量分析,模態(tài)分量能量比分布如圖3所示。由圖3可知,絕大部分能量集聚在前4個(gè)SGC分量,剩余其他251個(gè)SGC分量所含能量極少。由此可知,15 Hz和25 Hz正弦信號x1(t)和x2(t)包含在上述4個(gè)分量中。圖3 基于仿真信號的模態(tài)分量能量比分布

圖2 仿真信號對上述4個(gè)分量進(jìn)行相似性分析,結(jié)果如表1所示。由表1可知,模態(tài)1和2具有極高的相似性、模態(tài)3和4具有極高的相似性,其他模態(tài)之間相似性極低。因此,將模態(tài)1和模態(tài)2進(jìn)行重構(gòu)、模態(tài)3和模態(tài)4進(jìn)行重構(gòu),結(jié)果如圖4所示。

【參考文獻(xiàn)】：
期刊論文
[1]一種基于復(fù)合譜與關(guān)聯(lián)熵融合的特征提取方法[J]. 孫健,李洪儒.  機(jī)械工程學(xué)報(bào). 2017(24)
[2]液壓泵故障診斷稀疏編碼方法研究[J]. 王鵬飛,王新晴,朱會杰,李艷峰,張梅軍.  北京理工大學(xué)學(xué)報(bào). 2017(05)
[3]液壓挖掘機(jī)分階段功率匹配控制技術(shù)[J]. 高宇,馮培恩,彭貝,邱清盈.  哈爾濱工程大學(xué)學(xué)報(bào). 2017(09)
[4]基于ELMD的樣本熵及Boosting-SVM的滾動軸承故障診斷[J]. 何志堅(jiān),周志雄.  振動與沖擊. 2016(18)



本文編號：3039477