| 小波脊线解调与两次EMD分解相结合的故障识别方法及应用研究 |
| |
| 引用本文： | 姜万录,刘云杰,朱勇.小波脊线解调与两次EMD分解相结合的故障识别方法及应用研究[J].仪器仪表学报,2013,34(5). |
| |
| 作者姓名： | 姜万录 刘云杰 朱勇 |
| |
| 作者单位： | 燕山大学河北省重型机械流体动力传输与控制重点实验室 秦皇岛066004;燕山大学先进锻压成形技术与科学教育部重点实验室 秦皇岛066004 |
| |
| 基金项目： | 国家自然科学基金项目，河北省自然科学基金项目 |
| |
| 摘 要： | 提出了一种基于小波脊线解调与两次经验模态分解(EMD)相结合的故障识别方法,用于轴向柱塞泵的故障诊断.结合EMD与小波脊线法在处理非平稳信号方面的优势,首先对故障原始信号进行了EMD分解,利用边际谱发现故障发生时的共振频带范围并据此找出对故障敏感的固有模态函数(IMF)分量,然后对该敏感IMF分量分别进行小波脊线解调和Hilbert解调,最后通过比较两种解调方法解调后敏感分量的时频谱和三维谱图发现,小波脊线解调比Hilbert解调具有更高的时频定位精度和抗干扰能力.此后,分别对小波脊线解调与Hilbert解调后的敏感分量进行EMD再分解,利用所得的各阶二次IMF分量的归一化特征能量来构造特征向量,得到液压泵5种典型状态的样本集,结合K均值聚类算法对故障状态进行识别.研究结果表明,与采用Hilbert解调处理方法相比,利用2次EMD分解与小波脊线解调相结合的故障特征向量提取方法显著提高了故障识别准确率,故障确诊率可高达92％.
|
| 关 键 词： | EMD 小波脊线 IMF分量 特征向量 K均值聚类 |
Research on wavelet ridge demodulation and twice EMD-based fault identification method and its application |
| |
| Jiang Wanlu
,
Liu Yunjie
,
Zhu Yong.Research on wavelet ridge demodulation and twice EMD-based fault identification method and its application[J].Chinese Journal of Scientific Instrument,2013,34(5). |
| |
| Authors: | Jiang Wanlu Liu Yunjie Zhu Yong |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
