【摘 要】
：
针对单向阀振动信号易被噪声淹没和故障表征不明显的问题,提出了一种基于总变差降噪(TVD)和递归定量分析(RQA)的单向阀故障诊断方法.首先利用总变差降噪方法对振动信号进行降
【机 构】
：
昆明理工大学信息工程与自动化学院 昆明650500;昆明理工大学信息工程与自动化学院 昆明650500;昆明理工大学民航与航空学院 昆明650500
论文部分内容阅读
针对单向阀振动信号易被噪声淹没和故障表征不明显的问题,提出了一种基于总变差降噪(TVD)和递归定量分析(RQA)的单向阀故障诊断方法.首先利用总变差降噪方法对振动信号进行降噪,提高信号的信噪比;然后对降噪后的信号绘制递归图,通过递归定量分析方法提取递归图中的非线性特征参数,并对所提取特征参数进行敏感度分析,找出敏感度较高的特征参数构成特征向量;最后将得到的特征向量输入加权K近邻分类器(WKNN)完成单向阀故障类型的识别.实验结果表明,该方法在降低背景噪声、表征故障信息和保证故障诊断准确性方面具有明显的效果,具有一定的工程应用价值.
其他文献
针对滚动轴承故障信号易受环境噪声干扰,故障特征信息获取相对困难的问题,提出了基于变分模态分解(VMD)与快速谱峭度的滚动轴承故障特征提取方法.首先将轴承信号分解为若干个
主轴轴承作为机床关键零部件,针对轴承故障信息比较复杂难以获取,并且故障数据样本少问题,提出了基于小波包混合特征和支持向量机(SVM)的数控机床轴承故障诊断方法.首先对轴
为了提高自适应噪声完备经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)的分解能力和分解精度,解决CEEMDAN方法中噪声残留等问