基于小波理论的液压系统诊断特征提取与故障分类方法研究

发布时间：2020-07-13 10:47

【摘要】： 液压设备监测与诊断面临着大量的非平稳信号，研究开发处理非平稳信号的工程实用方法是促进液压设备故障诊断技术不断发展的需要。近年来迅速发展的非平稳信号处理方法和理论，特别是小波理论为液压设备状态监测与故障诊断提供了有力的工具。本文着重研究了小波理论在信号降噪、故障特征提取、故障分类和信号解包络中的应用问题，主要工作归纳如下： 首先综述液压系统故障诊断的现状和意义，故障特征提取的常用方法比较。介绍小波和小波包变换的基本理论和特点，小波分析在信号降噪处理中的应用动态，指出了阈值降噪的不足。结合自适应滤波的优点，提出了将小波变换与自适应滤波相结合——基于小波变换的自适应滤波方法。针对液压动力系统在不同的运行状态下，其电流信号在频域能量变化很大且蕴含着丰富的故障信息，结合小波包能对高频和低频信号同时进行分解的特点，提出了电流信号频域能量特征的故障分类方法和其主分析频带的细化分类方法。 通过对液压系统实测的压力信号和仿真信号的降噪分析表明：该小波自适应降噪方法较小波阈值降噪有效。将小波包能量特征与ART1神经网络相结合，建立了基于神经网络的故障诊断模型。通过电流信号的分析，证明该方法能将液压动力系统的八种典型故障分类。比较几种常用信号包络分析方法的原理及优缺点，利用Morlet小波来进行信号的包络线提取。针对包络信号提取其时域特征参数，结合灰色故障诊断模型对液压系统进行诊断。实验结果表明，用这种方法对液压动力系统进行故障诊断是有效的，开展小波变换与其它分析方法相结合的研究并开发实用技术是十分必要的。
【学位授予单位】：西安建筑科技大学
【学位级别】：硕士
【学位授予年份】：2007
【分类号】：TH137.7;TH165.3
【图文】：

并上一个电阻R后构成一个电流传感器，R两端的电压U是电流传感器的输出电，模拟电压U实质是一经过调制的电压信号。实验参数取为:电机转速为1400r/min，电流信号采样频率天=lo24Hz，每组测信号的采样时间气=2s，每种状态下采样2组实测电流信号，利用CRAS得到种状态下的功率谱图，选用Daubechiesll[34](db2)共扼正交滤波器组对每种故障第一组数据进行正交小波包分析，分解层数取k二3，因此小波包能量特征向量有个分量。将所测信号频率在500HZ内分成8个频段，每个频段宽度为62.5HZ。利MArLAB软件编程129，37]，可得到不同的故障之间各频带的能量。将八种状态的量分布列如表4.9所武从表4.9中各频段对应的样本数据可以看出，由于各种状态不同，所对应的能分布(能量贡献)不同。但有一些故障类型如碰磨、泄漏、断条、滚珠脱落与正状态的能量分布区分不是太明显。将含50Hz工频的主频带0~62.5Hz进一步细。利用上述的小波包分解理论，进行细分后的各个频带能量分布如表4.10所虱液压系统在不同状态下的电机电流信号的功率谱图和样本数据如下:(1)液压系统完好状态(样本l)

图4.4不平衡状态下功率谱表杜液压系统在不平衡状态时不同频段上的能量分布戮戮0~~~62.5~~~125~~~187.5~~~250~~~312.5~~~375~~~437666662.55512555187.55525000312.55537555437.55550000不不平衡bbb0.0693330.5373330.0346660.2666660.0072220.0539990.0040000.027000液压系统在不对中状态(样本3)

表杜液压系统在不平衡状态时不同频段上的能量分布、、涤戮戮0~~~62.5~~~125~~~187.5~~~250~~~312.5~~~375~~~4666662.55512555187.55525000312.55537555437.55550000不不平衡bbb0.0693330.5373330.0346660.2666660.0072220.0539990.0040000.027)液压系统在不对中状态(样本3){{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{{丫丫______i______……………………………………………………………………………………………………………………………………………………----------------------------一厂-一弋----.-----一了---一一，，，，，，，，，，，:::一一一一一一一111:一李.己己

【引证文献】

相关硕士学位论文 前1条

1 李敏哲;基于神经网络的液压动力系统多源诊断信息融合方法研究[D];西安建筑科技大学;2008年

本文编号：2753362