针对柱塞泵早期故障时特征信号微弱的问题,首先对采集到的泵壳体振动信号进行极值域均值模式分解(extremum field mean mode decomposition,EMMD),得到有限模态分量IMF及余量C,然后对IMF分量进行Teager能量算子解调,提取特征频率点的能...针对柱塞泵早期故障时特征信号微弱的问题,首先对采集到的泵壳体振动信号进行极值域均值模式分解(extremum field mean mode decomposition,EMMD),得到有限模态分量IMF及余量C,然后对IMF分量进行Teager能量算子解调,提取特征频率点的能量信息组成能占比特征向量,并利用分类敏感度对向量进行筛选,最终获得有效特征向量。实验结果表明,采用EMMD-Teager方法能有效对信号进行滤波,方便从频域提取特征,经过筛选后的能占比特征向量可以准确分类柱塞泵正常、柱塞孔磨损及滑靴磨损3种状态。展开更多
在对柱塞泵常见故障模式进行分析的基础上,针对柱塞泵早期故障时特征信号微弱的问题,提出了基于余弦相邻系数(Cosine Neighboring Coefficients,CNC)降噪和EMMD分解的故障诊断方法。该方法首先对采集到的泵壳体振动信号进行CNC降噪,提...在对柱塞泵常见故障模式进行分析的基础上,针对柱塞泵早期故障时特征信号微弱的问题,提出了基于余弦相邻系数(Cosine Neighboring Coefficients,CNC)降噪和EMMD分解的故障诊断方法。该方法首先对采集到的泵壳体振动信号进行CNC降噪,提高信噪比,降低信息复杂度;然后利用基于极值域均值模式分解(extremum field mean mode decomposition,EMMD)方法对降噪后的信号进行有限固有模态分解,并对每个模态分量进行包络谱分析,提取故障信息。试验结果表明,该方法能有效提取柱塞泵的早期故障特征,准确分类柱塞泵正常、柱塞孔磨损及滑靴磨损3种状态。展开更多
文摘针对柱塞泵早期故障时特征信号微弱的问题,首先对采集到的泵壳体振动信号进行极值域均值模式分解(extremum field mean mode decomposition,EMMD),得到有限模态分量IMF及余量C,然后对IMF分量进行Teager能量算子解调,提取特征频率点的能量信息组成能占比特征向量,并利用分类敏感度对向量进行筛选,最终获得有效特征向量。实验结果表明,采用EMMD-Teager方法能有效对信号进行滤波,方便从频域提取特征,经过筛选后的能占比特征向量可以准确分类柱塞泵正常、柱塞孔磨损及滑靴磨损3种状态。
文摘在对柱塞泵常见故障模式进行分析的基础上,针对柱塞泵早期故障时特征信号微弱的问题,提出了基于余弦相邻系数(Cosine Neighboring Coefficients,CNC)降噪和EMMD分解的故障诊断方法。该方法首先对采集到的泵壳体振动信号进行CNC降噪,提高信噪比,降低信息复杂度;然后利用基于极值域均值模式分解(extremum field mean mode decomposition,EMMD)方法对降噪后的信号进行有限固有模态分解,并对每个模态分量进行包络谱分析,提取故障信息。试验结果表明,该方法能有效提取柱塞泵的早期故障特征,准确分类柱塞泵正常、柱塞孔磨损及滑靴磨损3种状态。