浅析小波包变换和rbf网络的液压系统泄漏故障诊断

浅析小波包变换和rbf网络的液压系统泄漏故障诊断

ID:32690204

大小:237.77 KB

页数:3页

时间:2019-02-14

浅析小波包变换和rbf网络的液压系统泄漏故障诊断_第1页
浅析小波包变换和rbf网络的液压系统泄漏故障诊断_第2页
浅析小波包变换和rbf网络的液压系统泄漏故障诊断_第3页
资源描述:

《浅析小波包变换和rbf网络的液压系统泄漏故障诊断》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、第7期组合机床与自动化加工技术NO.72015年7月ModularMachineTool&AutomaticManufacturingTechniqueJu1.2015文章编号:1001—2265(2015)07—0077—03DOI: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

2、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:AHydraulicSystemLeakageFaultDiagnosiswithWaveletPacketTransformandRBFNeuralNetworkWANGWu(SchoolofElectro-

3、informationEngineering,XuchangUniversity,XuchangHenan461000,China)Abstract:Conventionalmethodwasdificulttoacquiregoodfaultdiagnosiseffectsfortherewerevariousfaultmechanismsandtypesinhydraulicsystemleakage.AnewmethodwaspresentedwhichbasedonwaveletpackettransformandRBFneuralnetworks,thef

4、aultfeaturesextractionwithwaveletpacketdecom—positionandRBFneuralnetworklearningalgorithmwasproposed.Thevibrationsignalwascollectedwithexperiment,withthreelayerwaveletpacketdecomposition,the8bandsenergyofdifferentfrequencywasgetandserveastheinputofRBFneuralnetworks,withthetrainingofRBF

5、neuralnetworks,thefaultwasrecognized.Thismethodcombinedthehightime—frequencyresolutionfeatureofwaveletpackettransformwiththelearningabilityofRBFneuralnetworks,SOthehigherdiagnosisprecisionandeficiencywasgot.Keywords:hydraulicleakage;waveletpacket;RBFneuralnetworks;faultdiagnosis;featur

6、eextraction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断,克服了早期诊断中中,液压系统往往具有结构复杂、参数非线性和随机性信号微弱的不足;有文献针对液压缸泄露故障诊断强的特点。液压系统的故障不仅对液压系统自身有影中时域参数多的问题,提出采用成分分析和BP神经响,而且会造成间接的生产损失,进行液压系统早期状网络相结合,提高诊断速度和实时性;有文献根据小态检测和故障诊断,有助于防止意外事故发生,实现液波分析与信号奇异性之间的关系,提出泵控马达

7、故障压设备的良好管控与维修保养⋯。在液压系统中,诸特征频率点序列,应用小波包分析抽取时域特性,通过如液压泵、液压马达等设备,往往以周期方式运行,具能量分布解决了液压系统泄漏故障诊断;有文献对有固定频率的振动或脉动的压力,对其信号进行频谱飞机液压系统压力信号进行小波包分解,提取小波包分析,可以发现故障点,然而在液压系统中,大多数液压元件及回路以非周期、非平稳方式运行,且存在大量特征,并作为ARTI神经网络的训练样本,实现了智能诊断-o;有文献将小波去噪应用于液压系统故障诊断,随机性特征,平稳信号的处理方法不足以解决实际问题。小波变换是傅里叶变换的发展和延伸,具有良

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。