液压设备在运行过程中伴随着多域间的能量转换,尤其在变工况下呈现出非平稳性及非线性等特征,为状态监测与故障诊断带来难度。为了提高非平稳工况轴向柱塞泵故障诊断的性能,该研究提出采用既是运行参数又是状态参量的瞬时转速信号作为...液压设备在运行过程中伴随着多域间的能量转换,尤其在变工况下呈现出非平稳性及非线性等特征,为状态监测与故障诊断带来难度。为了提高非平稳工况轴向柱塞泵故障诊断的性能,该研究提出采用既是运行参数又是状态参量的瞬时转速信号作为轴向柱塞泵故障诊断的信息源。通过理论分析得出瞬时转速信号的波动成分中蕴含着元件健康状态信息。提出采用同步提取标准S变换(synchro-extracting of normal S transform,SNST)对其进行线通滤波处理。利用K-medoids方法将滤波重构后的瞬时转速波动信号角度域特征值进行聚类分析,并在机电液一体化平台上进行了变转速和变负载工况试验,实现了轴向柱塞泵配流盘在正常、轻微、严重磨损时的故障诊断。研究成果可为液压设备的运行状态监测与故障诊断提供新的方法。展开更多
针对已有Cohen类时频分布等方法时频聚焦能力不足、在低信噪比(signal to noise ratio,SNR)情况下调制识别准确率低的问题,提出一种基于同步提取变换(synchro-extracting transform,SET)去噪的分组卷积神经网络调制识别方法。所提方法使...针对已有Cohen类时频分布等方法时频聚焦能力不足、在低信噪比(signal to noise ratio,SNR)情况下调制识别准确率低的问题,提出一种基于同步提取变换(synchro-extracting transform,SET)去噪的分组卷积神经网络调制识别方法。所提方法使用SET对雷达信号进行时频分析,以获得良好的时频聚焦性,提高时频分析的计算效率;通过Viterbi算法搜索估计时频系数矩阵中的瞬时频率轨迹,综合考虑信号能量强度分布与瞬时频率轨迹的平滑性,并对得到的瞬时频率轨迹进行中值滤波以去除脉冲噪声;保留瞬时频率轨迹邻域的时频系数,以达到时频图去噪的目的。最后,将去噪后的时频图送入具有残差连接的分组卷积神经网络进行特征提取与调制识别。实验结果表明,当SNR为-12 dB时,去噪后的SET时频图时频聚焦性好,调制识别准确率比未去噪的识别准确率提高了13.69%,证明所提出的雷达信号调制识别方法在低SNR条件下对多种复杂调制类型的信号具有良好的识别性能。展开更多
文摘液压设备在运行过程中伴随着多域间的能量转换,尤其在变工况下呈现出非平稳性及非线性等特征,为状态监测与故障诊断带来难度。为了提高非平稳工况轴向柱塞泵故障诊断的性能,该研究提出采用既是运行参数又是状态参量的瞬时转速信号作为轴向柱塞泵故障诊断的信息源。通过理论分析得出瞬时转速信号的波动成分中蕴含着元件健康状态信息。提出采用同步提取标准S变换(synchro-extracting of normal S transform,SNST)对其进行线通滤波处理。利用K-medoids方法将滤波重构后的瞬时转速波动信号角度域特征值进行聚类分析,并在机电液一体化平台上进行了变转速和变负载工况试验,实现了轴向柱塞泵配流盘在正常、轻微、严重磨损时的故障诊断。研究成果可为液压设备的运行状态监测与故障诊断提供新的方法。
