论文摘要
针对液压泵故障诊断问题,提出了一种基于改进解析模态分解(AMD)、广义形态分形维数(GMFD)和核模糊C均值聚类(KFCMC)相结合的新方法。根据故障特征频率先验知识,在有效二分频范围内对实测液压泵多模态故障振动信号进行AMD分解,并基于欧氏距离法选定实现最优分解的二分频;将基于最优二分频所提取含有丰富运行特征信息的故障分量信号作为数据源,并提取GMFD作为特征向量;利用KFCMC实现对液压泵不同故障的诊断。此外,还利用原始AMD、经验模态分解(EMD)、集总经验模态分解(EEMD)、局部均值分解(LMD)、变分模态分解(VMD)和模糊C均值聚类(FCMC)方法对上述信号进行分析,结果表明所提方法效果要优于上述传统分解和诊断方法。通过对仿真和实测液压泵故障振动信号的实验验证,表明该方法可以有效地诊断液压泵不同故障。
论文目录
文章来源
类型: 期刊论文
作者: 郑直,姜万录,王宝中,王莹
关键词: 液压泵,解析模态分解,广义形态分形维数,核模糊均值聚类
来源: 振动与冲击 2019年18期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 工业通用技术及设备,机械工业
单位: 华北理工大学机械工程学院,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,燕山大学先进锻压成形技术与科学教育部重点实验室
基金: 华北理工大学博士科研启动基金(0088,28412499),国家自然科学基金(51875498),河北省自然科学基金重点项目(E2017209059,E2018203339)
分类号: TH137.51
DOI: 10.13465/j.cnki.jvs.2019.18.007
页码: 46-52+102
总页数: 8
文件大小: 2524K
下载量: 185
相关论文文献
标签:液压泵论文; 解析模态分解论文; 广义形态分形维数论文; 核模糊均值聚类论文;