• <pre id="mbu5l"><label id="mbu5l"></label></pre>
    <pre id="mbu5l"></pre>
    1. <acronym id="mbu5l"><strong id="mbu5l"><xmp id="mbu5l"></xmp></strong></acronym><p id="mbu5l"><del id="mbu5l"><xmp id="mbu5l"></xmp></del></p>
    2. <table id="mbu5l"><option id="mbu5l"></option></table>
      1. 啟東市東方液壓件有限公司
        啟東市東方液壓件有限公司
        專業生產:馬達軸向柱塞泵,定量軸向柱塞泵,液壓機專用柱塞泵 ,變量軸向柱塞泵
        ·  軸向柱塞泵
        ·  油泵電機組
        地址啟東市經濟開發區海洪工業園靈峰路718號
        電話0513-85393983
        手機13706283978
        聯系人王輝
        電子郵箱qddfyyj8@126.com
        您現在的位置:網站首頁 - 技術資料
        多源多特征融合的柱塞泵故障診斷
        發布時間: 2018/1/16
          Dempster-Shafer(D—S)證據理論是一種利用多源信息來進行決策的方法。本節提出了一種基于證據理論多源多特征融合的柱塞泵故障診斷方法:首先,對采集信號進行小波消噪;接著利用信號時域、時頻域特征量組成特征向量;最后,對液壓泵進行故障診斷。
          1)時域特征量
          用以診斷機械故障的時域參數很多,并非每一參數對所有機械故障都敏感,要根據具體診斷對象加以選用。一般來說,單個參數診斷并不可靠,應組合選用其中若干個參數來診斷。故障診斷常用的時域參數有有量綱的參數和量綱一的參數之分,而有量綱的特征參數隨載荷的變化波動很大,在實際中難以應用,對其進行歸一化處理可得量綱一的數字特征參數:波形指標S、峰值指標C、脈沖指標J、峪度L和峭度指標K等。
          2)時頻域特征量
          時頻域特征參數選用各分解頻帶的信號能量占總能量的百分比。用小波包頻帶能量分析方法對軸向柱塞泵松靴故障信號進行故障特征向量提取,步驟如下。
          (1)將泵的信號按以下方法處理:小波包分解一對選定頻段重構一閾值去噪一包絡解調一隔點采樣降至2kHz,將所得信號用Daubechies 5小波進行3層小波包分解,這樣在尺度3上形成了23-8個頻帶。小波包分解可表示為d(0,0)-d(3,0)+d(3,1)+d(3,2)+d(3,3)+d(3,4)+d(3,5)+d(3,6)+d(3,7)式中,d(0,0)表示原始信號,d(1,3)表示小波包分解第歹層第五個頻帶的小波包系數。
          (2)對各小波包系數進行重構,提取各頻帶范圍的信號。
          (3)求各頻帶信號的能量E3(-0,1,2,…,7)和總能量E。
          (4)求分解頻帶的信號能量E3譴占總能量E的百分比。
          3)構建特征向量
          在時域選用5個特征參數,即波形指標S、峰值指標C、脈沖指標工、峪度L和峭度指標 K;在時頻域選用8個特征參數,即8個分解頻帶的信號能量占總能量的百分比。由此13個
        特征量構成特征向量。信號特征向量提取流程如圖所示。
          3.單源多源多特征融合故障診斷
          對被診斷對象采用,z個傳感器進行監測,每個單源多特征融合故障診斷模塊的輸出作為 D—S證據理論的一個證據Ai,i∈(1,2,…,行),用D—S證據理論融合所有的A,判斷系統狀態,這就是多源多特征融合故障診斷系統,如圖4—60所示。
          4.試驗
          1)試驗系統
          采用如圖1所示的試驗系統,以系統中的液壓泵作為診斷對象。在液壓泵故障診斷中,采用NI—USB一6221數據采集卡連接加速度傳感器(測量圖1中的加速度口)、壓力傳感器(測量圖1中壓力戶)和噪聲傳感器(聲級計,測量圖1中的噪聲PL),對軸向柱塞泵MCYl4—1B進行信號采集。主溢流閥壓力為10MPa,采樣頻率為100kHz,采集時間為10s。首先對泵正常工作時的信號進行采集,然后對缸體與配流盤磨損、中心彈簧失效、松靴這3種故障形式,采集故障信號。
          
          圖1故障診斷試驗系統原理圖
        2)分析
          模擬松靴故障,采集柱塞泵在3MPa時200組正常和故障數據,其中160組數據作為神經網絡訓練數據,另外40組數據作為診斷數據。表是其中5組數據對應的特征級并行局部神經網絡診斷模塊的輸出結果,經證據理論融合的結果。表至表都利用單一信號源來診斷故障,都存在無法正確決策的情況,即使能決策,對缸體與配流盤磨損的支持率也很低;表將3個信號源融合后進行故障診斷,所有數據都能判斷出缸體與配流盤磨損,且支持率都很高。折彎機液壓故障診斷專家系統
          可以看出,僅僅利用單一信號源信息進行故障診斷,可信度不高,具有不確定性,甚至有時不能決策;而利用設備多信號源信息進行故障診斷,充分利用了各信號源的冗余互補信息,能大大提高診斷的可信度和準確性。
        精品久久久久久中文字幕无码
      2. <pre id="mbu5l"><label id="mbu5l"></label></pre>
        <pre id="mbu5l"></pre>
        1. <acronym id="mbu5l"><strong id="mbu5l"><xmp id="mbu5l"></xmp></strong></acronym><p id="mbu5l"><del id="mbu5l"><xmp id="mbu5l"></xmp></del></p>
        2. <table id="mbu5l"><option id="mbu5l"></option></table>