基于小波包和支持向量机的液压泵故障诊断

《基于小波包和支持向量机的液压泵故障诊断》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、2011年5月机床与液压Mav2011第39卷第9期MACHINETOOL&HYDRAULICSV01．39No．9DOI：10．3969／j．issn．1001—3881．2011．09．044基于小波包和支持向量机的液压泵故障诊断毋文峰，苏勋家，陈小虎，王旭平(第二炮兵工程学院501室，陕西西安710025)摘要：研究基于小波包频带能量的故障诊断方法及其在齿轮泵故障诊断中的应用。论述齿轮泵的典型故障设置及其数据采集，针对齿轮泵实验数据，研究基于小波包和支持向量机的齿轮泵故障诊断方法。实验结果表明：基于小波包一支

2、持向量机的故障诊断方法是有效的，而且可以满足在线实时状态监测与故障诊断的要求。关键词：小波包分析；支持向量机；齿轮泵；故障诊断中图分类号：TH165．3文献标识码：A文章编号：1001—3881(2011)9—146—2FaultDiagnosisforHydraulicPumpBasedonWaveletPacketAnalysisandSupportVectorMachineWUWenfeng，SUXuniia，CHENXiaohu，WANGXuping(501Section，TheSecondArtiller

3、yEngineeringCollege，Xi’anShaanxi710025，China)Abstract：Thefaultdiagnosismethodsbasedonwaveletpacketfrequencyenergiesanditsapplicationtogearpumpfaultdiagnosiswereexpounded．Typicalfaultssettingofgearpumpanddataacquisitionwereintroduced．Onthebaseofexperimentaldata

4、，afaultdiagnosismethodbasedonwaveletpacketandsupportvectormachinewasproposedforgearpump．Theexperimentalresultsindicatethismethodiseffectiveandmeetsthedemandsofonlineconditionmonitoringandfaultdiagnosis．Keywords：Waveletpacketanalysis；Supportvectormachine；Gearpu

5、mp；Faultdiagnosis支持向量机(SupportVectorMachine，SVM)，是数为db5，分解层数为3层，分解后第3层信号为小样本数据多元分析的有利工具，能够达到非线性分(3l，32，33，34，35，36，37，38)。类的目的。小波包分析(WaveletPacketAnalysis，步骤2，信号的重构。利用第3层不同频带的信WPA)能够将信号进行多层分解，是处理非平稳信号进行重构，重构之后的信号为(，。，，号的有效工具。将WPA和SVM有机结合是机械设备35，36，37，38)。故障诊断研

6、究的一个发展方向。步骤3，能量特征向量的构造。针对重构信号构在液压齿轮泵故障诊断中，泵壳振动信号是一个造能量特征向量，能量特征的计算公式为：N一1典型的非平稳信号；而且，在齿轮泵信号检测中，由．e=[(k)]，i=1，2，⋯，8于工作现场等条件的限制，很难测取足够的数据样．其中：Ⅳ为信号采样点数。并进行能量特征的归一化本，尤其是故障状态样本。作者针对泵壳振动信号的处理，计算公式为：非平稳性和小样本特点，综合运用小波包分析和支持向量机，研究在小样本条件下的液压齿轮泵故障诊断：善e方法。1小波包频带能量特征步骤4，根据

7、归一化频段能量特征E，得到最终Yen等定义了小波包频带能量，并且指出利用特征向量E=[E，，E，E。，E，，E6，E，E]，作为故小波包频带能量比直接利用小波包系数能够得到更为障模式分类器的输入。鲁棒的信号特征。关于小波包频带能量的详细叙述，2齿轮泵故障设置和数据采集可以参考有关文献，在此不再赘述0。当齿轮泵发生故障时，其振动信号必定发生变在液压齿轮泵故障诊断中，利用小波包频带能量化；不同的齿轮泵故障，将导致泵壳振动信号不同频提取泵壳振动信号特征向量的过程如下：率段能量的变化；同一故障在不同的发展阶段，其能步骤1，

8、齿轮泵信号的小波包分解。小波包基函量的变化也不同。因此，泵壳振动信号是齿轮泵状态收稿日期：2010—03—29基金项目：总装备部预研重点基金项目(9140A27020309JB4701)作者简介：毋文峰(1978一)，男，博士研究生，研究方向为智能信号处理和机械设备故障诊断。E—mail：gfzd—mail@163．eomo第9期毋文峰等：基于小波包和支持向