民航飞机APU外部件故障诊断方法

针对APU外部件的常见故障,研究一种基于多小波和最小二乘支持向量分类器融合的APU外部件故障诊断系统。以多小波对采样数据进行处理和特征提取,建立APU外部件故障诊断模型,用训练后的最小二乘支持向量分类器做出快速准确的诊断结果。在MATLAB中进行系统仿真测试,仿真结果表明,该系统能够实现预期目标,符合故障诊断要求,取得了较好的效果。

基于最小二乘支持向量分类机的齿轮泵故障诊断研究

为了精确诊断齿轮泵故障,提出了基于马氏距离的传感器通道选择方法,采用多项式最小二乘法去除采集振动信号的趋势项和五点三次平滑法对信号进行平滑预处理,而后分别提取基于峭度的时域特征、小波包能量特征和经验模态分解特征,运用最小二乘支持向量机进行状态识别。以CB-KP63齿轮泵为例进行应用,结果表明传感器1通道识别率达到85%;采集振动信号趋势项干扰较弱,平滑处理效果较好;以EMD提取各频带能量作为特征参数的LS-SVC状态识别方法识别率达到90%以上,最终证明论文提出的方法有效可行。

基于振动信号的齿轮泵故障诊断

进行齿轮泵故障诊断时,首先采用基于马氏距离的传感器通道选择方法选择最佳振动信号,然后采用多项式最小二乘法去除信号趋势项,再基于五点三次平滑法对信号进行平滑预处理,最后分别提取基于峭度的时域特征、小波包能量特征和经验模态分解特征,运用最小二乘支持向量分类机进行状态识别。应用实例表明在运用经验模态分解提取各频带能量作为特征参数时状态识别方法具有更高的识别率,能更有效识别齿轮泵的状态。