-
题名民航飞机APU外部件故障诊断方法
被引量:3
- 1
-
-
作者
罗云林
刘文桐
-
机构
中国民航大学航空自动化学院
-
出处
《计算机工程与设计》
北大核心
2016年第7期1898-1901,1920,共5页
-
基金
国家自然科学基金委员会与中国民用航空局联合基金项目(U1333111)
-
文摘
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。
-
关键词
民航维修
故障诊断
多小波
最小二乘支持向量分类器
APU外部件
-
Keywords
civil aviation repair
fault diagnosis
multi wavelet
ls-svc
APU external components
-
分类号
TP277
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于最小二乘支持向量分类机的齿轮泵故障诊断研究
被引量:11
- 2
-
-
作者
何庆飞
陈小虎
姚春江
王德文
张宁
-
机构
西京学院机械工程学院
火箭军工程大学作战保障学院
-
出处
《流体机械》
CSCD
北大核心
2019年第8期32-36,共5页
-
基金
国家科技重大专项基金项目(2017ZX04011010)
国防预研基金项目(9140A27020309JB4701)
-
文摘
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。
-
关键词
齿轮泵
状态识别
最小二乘支持向量分类机
小波包分析
经验模态分解
-
Keywords
gear pump
state recognition
ls-svc
wavelet packet analysis
EMD
-
分类号
TH165.3
[机械工程—机械制造及自动化]
TN911.7
[电子电信—通信与信息系统]
-
-
题名基于振动信号的齿轮泵故障诊断
被引量:3
- 3
-
-
作者
何庆飞
陈小虎
王旭平
喻春明
张宁
-
机构
西京学院机械工程学院
火箭军工程大学作战保障学院
-
出处
《噪声与振动控制》
CSCD
2019年第4期195-199,223,共6页
-
基金
国家科技重大专项基金资助项目(2017ZX04011010)
国防预研基金资助项目(9140A27020309JB4701)
-
文摘
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。
-
关键词
振动与波
齿轮泵
经验模态分解
小波包分析
最小二乘支持向量分类机
状态识别
-
Keywords
vibration and wave
gear pump
EMD
wavelet packet analysis
ls-svc
state recognition
-
分类号
TH165.3
[机械工程—机械制造及自动化]
TN911.7
[电子电信—通信与信息系统]
-