原文传递
基于改进LCD与SVM的柱塞泵故障诊断研究
| 论文题名： | 基于改进LCD与SVM的柱塞泵故障诊断研究 |
| 关键词： | 电液式转辙机;柱塞泵;故障诊断;局部特征尺度分解;支持向量机 |
| 摘要： | 随着铁路事业的快速发展，我国高铁在运营规模和总体技术方面已达到世界领先，同时也对列车运行的安全可靠性提出更高要求。柱塞泵将电机驱动的机械能转化为液体的压力能，再以压力形式输入到电液式转辙机系统中，其工作状态对保证列车安全运营与提高运输效率至关重要。本文以电液式转辙机柱塞泵作为研究对象，将信号分析技术与机器学习技术相结合，研究了一种故障诊断模型，有效解决了小样本条件下柱塞泵振动信号在分解过程中存在的模态混叠效应、特征信息提取不灵敏、故障类型识别精度低等问题。 针对局部特征尺度分解（LCD）存在的模态混叠效应，提出一种解相关掩蔽局部特征尺度分解（DMLCD）方法。传统的抑制模态混叠方法是向待分解信号中添加高斯白噪声辅助分解，然后通过集成和平均分解结果以抵消所加白噪声，但分解结果会受人为经验影响且分解效率较低。而DMLCD通过在每一个待分解信号中添加已知掩蔽信号并嵌入解相关处理对LCD的分解过程进行改进，存在于分量中的掩蔽信号会通过计算消除，且每两个分量之间都会进行解相关计算，有效抑制了分解所得分量中的模态混叠现象，从而提高信号的分解精度。 针对精细复合多尺度散布熵（RCMDE）特征提取时尺度因子选择效率低下、噪声鲁棒性差等不足，提出了一种将广义精细复合多尺度散布熵（GRCMDE）与特征重合度指标相结合的特征提取方法。该方法通过计算并排序各尺度因子下的特征重合度来筛选特征区分度较高的尺度，以此构建特征向量集。在使用DMLCD算法对柱塞泵的振动信号进行分解后，基于相关系数原则筛选与原信号相关性较高的ISC分量用于重构。随后，计算重构信号在各尺度因子下的GRCMDE值，引入特征重合度指标选取前五个尺度因子下的GRCMDE值构建最优特征向量集，使特征信息提取更为灵敏。 针对传统支持向量机（SVM）模型分类精度低的问题，提出一种向量加权平均算法（INFO）优化支持向量机的故障诊断模型。模型将提取的柱塞泵最优特征向量集作为输入进行参数优化。为验证模型的诊断效果，使用4种柱塞泵故障数据构建最优特征向量集进行测试，取10次测试结果的平均值作为最终识别准确率，准确率达到99.29%。并通过多种对比实验证明了所提模型的有效性。 |
| 作者： | 赫婷 |
| 专业： | 机械工程 |
| 导师： | 黄晋英 |
| 授予学位： | 硕士 |
| 授予学位单位： | 中北大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
