液压柱塞泵出口压力脉动信号近似于周期信号,有比较明确的物理含义,携带着丰富的泵的健康状态信息,是柱塞泵健康管理比较理想的信号源。利用柱塞泵出口压力上的脉动成分,提出一种基于随机卷积核的柱塞泵异常检测方法,只需柱塞泵在正常...液压柱塞泵出口压力脉动信号近似于周期信号,有比较明确的物理含义,携带着丰富的泵的健康状态信息,是柱塞泵健康管理比较理想的信号源。利用柱塞泵出口压力上的脉动成分,提出一种基于随机卷积核的柱塞泵异常检测方法,只需柱塞泵在正常工况下的压力脉动数据即可具备检测异常压力脉动数据的能力。该方法包括波形划分、异常数据段检测2个阶段:采用基于动态时间规整(Dynamic Time Warping, DTW)数据划分算法对柱塞泵压力脉动原始数据进行分割,获取压力脉动数据段以构建数据集;基于大量一维随机卷积核提取特征,获取正常状态下压力脉动数据段特征;使用孤立森林算法对基于随机卷积核提取的特征进行异常检测。该方法在真实数据集上的表现,表明其对于异常波形的判断有优异的表现,且查准率较单一孤立森林算法提升了6.3%。展开更多
文摘液压柱塞泵出口压力脉动信号近似于周期信号,有比较明确的物理含义,携带着丰富的泵的健康状态信息,是柱塞泵健康管理比较理想的信号源。利用柱塞泵出口压力上的脉动成分,提出一种基于随机卷积核的柱塞泵异常检测方法,只需柱塞泵在正常工况下的压力脉动数据即可具备检测异常压力脉动数据的能力。该方法包括波形划分、异常数据段检测2个阶段:采用基于动态时间规整(Dynamic Time Warping, DTW)数据划分算法对柱塞泵压力脉动原始数据进行分割,获取压力脉动数据段以构建数据集;基于大量一维随机卷积核提取特征,获取正常状态下压力脉动数据段特征;使用孤立森林算法对基于随机卷积核提取的特征进行异常检测。该方法在真实数据集上的表现,表明其对于异常波形的判断有优异的表现,且查准率较单一孤立森林算法提升了6.3%。
