基于EMD-SVD的液压系统故障模糊聚类研究

发布时间：2022-02-19 11:11

　　针对液压系统常见的泄漏、气穴故障问题,从时域分析和频域分析两个方面建立液压系统故障诊断体系,提出了一种基于EMD-SVD变换的液压机泄漏、气穴故障特征提取方法。通过经验模态函数将各类故障信号分解为8类不同时间尺度的本征模态函数IMFs,对其中能量集中的前5类IMFs组成的初始向量矩阵进行SVD（奇异值分解）得到特征向量,组成故障特征矩阵。为比较各类故障诊断方法的最终识别效果,实验同时利用小波分析和Hilbert-Huang变换2类方法获得了2类不同特征信号进行对比,最后通过模糊聚类分析对各类特征信号进行样本隶属度计算来判断故障信号所属类别。结果表明,基于EMD-SVD变换的故障特征提取方法取得了最佳识别效果,其识别准确率可达99.3%。 

【文章来源】：机电工程技术. 2020,49(11)

【文章页数】：5 页

【文章目录】：
0 引言
1 各类信号分解方法
    1.1 分层小波阈值分析算法
    1.2 基于Hilbert-Huang变换的信号提取方法
    1.3 基于EMD-SVD变换的信号提取算法
2 模糊聚类分析算法
3 基于EMD-SVD的液压故障信号模糊聚类分析实验
    3.1 原始振动信号采集
    3.2 小波重构分解
    3.3 基于EMD-AR谱的Hilbert-Huang变换
    3.4 奇异值分解信息提取
    3.5 基于模糊聚类分析的故障识别结果对比
4 结束语


【参考文献】：
期刊论文
[1]电机振动信号的模糊聚类分析与故障诊断[J]. 郝少鹏,张雨果,胡俊,岳景辉,余峰,申志泽.  科技与创新. 2019(09)
[2]应用EEMD和小波包分解的压力脉动信号时域特征提取方法[J]. 李瑞,谷立臣,赵鹏军,郭西惠.  现代制造工程. 2018(07)
[3]基于小波包和Hilbert包络分析的隧道掘进机主轴承故障诊断方法研究[J]. 宫玮丽,梁波,王晓兰.  工业仪表与自动化装置. 2018(02)
[4]液压传动系统的故障分析[J]. 常立.  山东工业技术. 2018(05)



本文编号：3632791