应用EEMD和小波包分解的压力脉动信号时域特征提取方法

柱塞马达压力信号是液压系统重要的信号源,其中压力脉动的特征变化能够反映系统局部乃至全局的运行状态。为从多成分混叠的压力信号中有效分离压力脉动成分,重构时域特征,提出基于集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)与小波包分解的压力脉动信号时域特征提取方法。首先,利用EEMD将压力信号与干扰信号分离;其次,根据柱塞泵和柱塞马达压力脉动信号的时频特性,利用小波包分解并重构得到柱塞马达压力脉动信号,提取时域特征;最后,结合实验分析脉动特征随工况的变化规律。该方法经实验验证可行有效,且结果表明:压力脉动幅度随转速的升高而减小,随压力的增大而增大,与压力脉动变化机理一致。研究成果可为柱塞马达的运行状态监测提供方法支撑。     

基于小波包变换的柱塞泵脉动压力信号BP故障诊断

为了提高柱塞泵脉动压力信号的故障诊断诊断能力，分别提取得到正常的泵脉动压力与齿圈出现磨损故障时对应的泵脉动压力，利用小波包变换的方法消除原始信号的噪声信号，再提取得到由故障信息构成的频段，完成信号时域特征的分析。频段介于0～4 kHz之间时，在柱塞泵脉动压力信号中形成了泵轴频、基频与谐倍频等，含有泵运行过程的各项信息参数，处于高频区间时，发生了线谱幅值的持续减小。利用MATLAB软件建立BP网络故障诊断结果表明：脉动压力指标可以实现柱塞泵内部运行情况的准确识别，达到故障诊断的测试要求。方法在诊断方面是有效的，在处理柱塞泵脉动压力信号故障诊断领域具有很好的实际指导意义。     

离心泵变转速压力脉动特性的试验研究

为探究变转速运行对离心泵压力脉动的影响,以1台比转速为95的单级单吸离心泵为研究对象,利用高频动态压力传感器,同步采集泵进、出口及蜗壳周向不同位置处变转速下的压力脉动信号,并开展相似工况下压力脉动信号频谱特性分析。试验结果表明:相似工况下,随转速提高,轴频、叶频及其倍频的压力脉动幅值均增大;对压力脉动幅值无量纲化,发现轴频及叶频处各测点压力脉动系数随转速的变化规律存在差异性,但各测点压力脉动系数的平均值却几乎不受转速影响,并且各测点在整个低频段(0~4 f_(BPF))的压力脉动能量平均值亦随转速变化不显著,表明压力脉动系数和能量平均值可作为衡量泵动态特性的参数;流量对泵动态特性影响显著,从0.6Q增加至1.3Q,各转速下泵压力脉动能量平均值呈先减小再增大趋势。     

基于变分模态分解的液压系统压力拍振特征提取方法（英文）

在泵控马达液压传动系统中,当泵与马达产生的压力脉动频率相接近时,液压系统会产生强烈的压力拍振现象,影响系统运行的平稳性。但由于被调制的压力信号中含有与系统运行状态有关的信息,为从混叠的多成分时变信号中有效提取压力拍振信号、重构时域特征,提出了一种基于变分模态分解(Variational mode decomposition, VMD)的液压传动系统压力拍振特征提取方法。实验结果表明,利用VMD方法能够准确从液压系统高压油路压力信号中提取压力拍振分量,提取效果优于经验模态分解(Eempirical mode decomposition, EMD)等传统信号处理方法。     

基于虚拟样机的轴向柱塞泵压力脉动特性研究

介绍了虚拟样机技术在轴向柱塞泵仿真研究中的应用。借助虚拟样机技术并根据柱塞泵的物理模型参数,分别在MSC.ADAMS和AMESim环境下构建了柱塞泵的动力学模型和液压模型。利用二者模型的底层接口,搭建了液固耦合的轴向柱塞泵虚拟样机模型。基于虚拟样机,研究了油液黏度、体积弹性模量对柱塞泵出口压力脉动特性的影响,得到了泵出口压力脉动幅值及脉动率随体积弹性模量增大而增大的线性关系,也总结出了泵出口压力脉动幅值及脉功率随油液黏度增大而增大但变化幅度逐渐减小的结论。     

外啮合齿轮式机油泵流量脉动特性及影响因素分析

采用机油泵台架试验,分析了泵出压力对外啮合齿轮式机油泵流量脉动特性的影响,结果表明,机油泵的流量脉动系数随泵出压力的增加而减小。运用理论推导和模拟相结合的方法,考察了机油泵的异齿数、模数、压力角及端面间隙等参数对流量脉动的影响。分析表明,模数对机油泵的流量脉动无影响,压力角、异齿数和端面间隙是影响机油泵流量脉动的主要因素;随压力角的增大,流量脉动系数呈逐渐减小趋势。主动轮与从动轮齿数的增加,都有利于减小流量脉动系数,改善机油泵的流量脉动现象,其中,主动轮齿数对流量脉动的影响较大。机油泵的流量脉动系数随端面间隙的增大而有所减小。     

基于奇异值分解的水轮机空化压力脉动调控方法

为了减小水轮机运行过程中空化、空蚀对效率和出力的影响,合理地分析和提取空化信号对指导水轮机的调控和运行有重要意义。文中提出了一种基于奇异值分解的水轮机空化压力脉动信号提取方法,采用奇异值辨识法对试验测得的压力脉动信号进行分离,分析水轮机产生空化时的压力脉动波形,以提高对空化工况分析的准确性,通过CFD仿真优化,模拟水轮机运行的工况,分析空化现象与压力脉动信号的关系。采用奇异值分解方法对水轮机压力脉动信号进行分离,实现脉动信号的降噪和特征提取。结合PID控制技术和远程检测技术,实现对流量、水位、补气阀开度的智能调控,保障了水轮机组的平稳运行。     

基于小波变换的柱塞泵故障诊断方法

基于柱塞泵的脉动分析模型,提出了一种基于小波变换的柱塞泵故障诊断方法。以泵出口处的压力信号作 为分析信号,利用小波变换将该信号进行频谱分解,可有效地提取压力信号中所包含的故障信号。仿真与试验结 果均表明:基于小波变换对泵出口压力信号的分析可实现泵的故障诊断。     

Characteristic information extraction of pressure pulsation signal in axis-flow pump based on EEMD and HT

压力脉动是影响轴流泵运行稳定性的重要因素,为提取其压力脉动信号中的特征信息,提出了采用基于聚合经验模式分解(EEMD)和Hilbert变换(HT)的时频分析方法对轴流泵压力脉动信号进行分析.首先分别应用EEMD和传统经验模式分解(EMD)对含噪声信号进行了分析,证明了EEMD分解能抑制传统EMD中出现的模式混叠现象,从而有效提取了信号中的各频率分量;然后采用基于EEMD和Hilbert变换的时频分析方法,对某轴流泵的压力脉动信号进行了分析.研究结果表明,该方法能够准确地提取轴流泵压力脉动信号中的频率成分及其时变情况.     

基于EEMD和HT的轴流泵压力脉动特征信息提取

压力脉动是影响轴流泵运行稳定性的重要因素,为提取其压力脉动信号中的特征信息,提出了采用基于聚合经验模式分解(EEMD)和Hilbert变换(HT)的时频分析方法对轴流泵压力脉动信号进行分析。首先分别应用EEMD和传统经验模式分解(EMD)对含噪声信号进行了分析,证明了EEMD分解能抑制传统EMD中出现的模式混叠现象,从而有效提取了信号中的各频率分量;然后采用基于EEMD和Hilbert变换的时频分析方法,对某轴流泵的压力脉动信号进行了分析。研究结果表明,该方法能够准确地提取轴流泵压力脉动信号中的频率成分及其时变情况。