基于小波包变换和RBF网络的液压系统泄漏故障诊断.pdfVIP

第 7期 组 合机 床 与 自动化 加工 技术 NO．7 2015年7月 ModularMachineTool AutomaticM anufacturingTechnique Ju1．2015 文章编号 ：1001—2265(2015)07—0077—03 DOI：10．13462／j．cnki．mmtamt．2015．07．021 基于小波包变换和 RBF网络的液压系统 泄漏故障诊断水 王 武 (许 昌学院 电气信息工程学院，河南 许 昌 461000) 摘要：液压系统泄漏故障原因众多，故障机理复杂，常规手段难以取得较好的故障诊断效果。提出基 于小波包变换和RBF神经网络相结合的故障诊断方法。给出了基于小波包的故障特征提取方法和 RBF神经网络训练算法。通过试验获取液压 系统的振动信号，通过三层小波包分解，获取8个频段 的能量信号，并以此作为神经网络的输入 ，通过网络训练，进行故障特征识别。该方法将小波包的时 频分解能力和 RBF神经网络的学习能力有机结合，取得 了较高的故障诊断效率。 关键词：液压泄漏；小波包；RBF神经网络；故障诊断；特征提取 中图分类号 ：TH165；TG65 文献标识码 ：A HydraulicSystem LeakageFaultDiagnosiswith W aveletPacketTransform andRBF NeuralNetwork WANG Wu (SchoolofElectro-informationEngineering，XuchangUniversity，XuchangHenan461000，China) Abstract：Conventionalmethodwasdiffi culttoacquiregood faultdiagnosiseffectsfortherewerevarious faultmechanismsand typesin hydraulicsystem leakage．A new method waspresented which based on waveletpackettransform andRBFneuralnetworks，htefaultfeaturesextractionwithwaveletpacketdecom— positionandRBF neuralnetworklearningalgorithm wasproposed．Thevibration signalwascollectedwith experiment，wiht threelayerwaveletpacketdecomposition，the8bandsenergyofdifferentrfequency was getandserveastheinputofRBFneuralnetworks，wiht thetrainingofRBFneuralnetworks，htefaultwas recognized．Thismethodcombined thehightime—rfequencyresolutionfeatureofwaveletpackettransform withhtelearningabilityofRBF neuralnetworks，SOthehigherdiagnosisprecisionandefficiencywasgot． Keywords：hydraulicleakage；waveletpacket；RBFneuralnetworks；faultdiagnosis；featureextraction 液压系统故障诊断问题受到了广大学者的关注， 0 引言 有文献提出基于经验模式分解和包络谱分析相结合的 液压系统广泛应用于工业控制和伺服传动系统 方法，将其应用于液压泵故障诊