- 1、本文档共8页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
2020年第1期液压与动163
doi:10.11832/j.issn.1000-4858.2020.01.027
基于经验小波分解和卷积神经网络的
液压泵故障诊断
杜名詰,王宝中
(华北理工大学机械工程学院,河北唐山063210)
摘要:液压泵振动信号具有非平稳性,需要一定的先验知识和专家经验从而实现故障诊断。为了实
现对液压泵的智能故障诊断,提出了一种基于经验小波变换)EmpiwcalWaveletTransform,EWT*和卷积神经
网络)ConvolutionalNeuralNetwork,CNN)的智能故障诊断方法。首先对振动加速度信号进行经验小波变换
得到若干不同模态的内禀模态函数(Int/nsicModFunction,IMF);其次,基于峭度的评价指标,筛选出故障
特征丰富的6个IMF分量作为诊断用的数据源;然后利用CNN融合IMF分量,并自动提取相关特征;最后,
将特征应用于分类器识别,从而实现液压泵故障的自动故障诊断。试验结果表明:该方法能够准确、有效的
对液压泵的工作状态和故障类型进行分类。
关键词:故障诊断;经验小波变换;卷积神经网络;液压泵
中图分类号:TH137:TH17文献标志码:B文章编号:1000-4858(2020)01-0163-08
FaultDiaanosisofHydraulicPumpBasedonEmpiricalWavvlct
TransformandConvelutionalNeuralNetwork
DUMing-zh,WANGBao-zhong
(Schoo=otMechansca=Engsnsng,NoethChsnaUnssstyotScsenceandTechnoogy,Tangshan,Hebes063210)
Abstract:Asthvibrationsignalofthhydraulicpumpisusutlynonstationa,asignificanttaelofprio
knowledgandExpertexperiencesisrequiredfcofaultdiaanosis.Inordertoachievintelligentdiaanosisofth
hydeauescpump,ansntesgentauetdsagnosssmethodbasedonempsescaewatteansoem(EWT)and
convolutionalneuralnetworks(CNN)isproposed.Firstly,EWTisusedtodecomposthvigrationacceleration
ssgnaetoobtasnsntesnsscmod@tunctson(IMF)compon@nts.S@condey,wsthatusson@eaeuatsonm@thodbas@don
kurtosis,thsixIMFswhicharrichinfaultfeaturesarselectedasdatasourc,andthenthIMFsarfused
throughCNNandfeaturesarextractedautomaticolly.Finily,thlearnedfeaturesserasthinputparameterroO
classifiertoclassifyw
文档评论(0)