为了提高基于机器学习的柱塞泵故障诊断效率,在柱塞泵故障5种状态振动信号基础上,提出基于局部均值分解(Local Mean Decomposition,LMD)信号重构和支持向量机(Support Vector Machine,SVM)的柱塞泵故障诊断方法。对消噪信号进行LMD分解...为了提高基于机器学习的柱塞泵故障诊断效率,在柱塞泵故障5种状态振动信号基础上,提出基于局部均值分解(Local Mean Decomposition,LMD)信号重构和支持向量机(Support Vector Machine,SVM)的柱塞泵故障诊断方法。对消噪信号进行LMD分解,将重构信号与原始信号的样本熵进行对比。通过相关系数法处理分解后的PF分量和原始振动信号,以低相关性的分量作为噪声信号,同时重构高相关性的分量。结果表明:每种状态重构信号和原始信号之间的相关系数都达到0.9以上,说明重构信号内已经含有原始信号主要信息。各状态重构信号样本熵形成了比原始信号样本熵更优的分布状态,说明LMD重构信号可以减弱噪声对故障特征提取造成的影响。200组样本中识别准确率高达99%,表明以SVM多类分类器可以获得较高的故障识别诊断准确率。相对于原始信号,LMD重构信号达到了更高的训练准确度与测试准确性,表现出很好的计算精度。展开更多
将无毒红磷作为原材料,通过化学还原和高能球磨的方法制备得到黑鳞、P/SnSb/C钠离子电池负极材料,通过X射线衍射(XRD)、扫描电子显微镜(SEM)、恒流充放电和循环伏安测试对材料的形貌特征、物相结构及电化学性能进行分析。实验发现,加入...将无毒红磷作为原材料,通过化学还原和高能球磨的方法制备得到黑鳞、P/SnSb/C钠离子电池负极材料,通过X射线衍射(XRD)、扫描电子显微镜(SEM)、恒流充放电和循环伏安测试对材料的形貌特征、物相结构及电化学性能进行分析。实验发现,加入导电炭黑及SnSb后,可使黑鳞的导电性能得到提升,进而提高结构的稳定性。以100 m A/g的电流密度在0.01~3.00 V的条件下循环,P/SnSb/C的首次放电比容量为776.25 m Ah/g,首次库仑效率为83.5%,第50次循环的放电比容量为556.45 m Ah/g,库仑效率为98.9%。展开更多
文摘为了提高基于机器学习的柱塞泵故障诊断效率,在柱塞泵故障5种状态振动信号基础上,提出基于局部均值分解(Local Mean Decomposition,LMD)信号重构和支持向量机(Support Vector Machine,SVM)的柱塞泵故障诊断方法。对消噪信号进行LMD分解,将重构信号与原始信号的样本熵进行对比。通过相关系数法处理分解后的PF分量和原始振动信号,以低相关性的分量作为噪声信号,同时重构高相关性的分量。结果表明:每种状态重构信号和原始信号之间的相关系数都达到0.9以上,说明重构信号内已经含有原始信号主要信息。各状态重构信号样本熵形成了比原始信号样本熵更优的分布状态,说明LMD重构信号可以减弱噪声对故障特征提取造成的影响。200组样本中识别准确率高达99%,表明以SVM多类分类器可以获得较高的故障识别诊断准确率。相对于原始信号,LMD重构信号达到了更高的训练准确度与测试准确性,表现出很好的计算精度。
文摘将无毒红磷作为原材料,通过化学还原和高能球磨的方法制备得到黑鳞、P/SnSb/C钠离子电池负极材料,通过X射线衍射(XRD)、扫描电子显微镜(SEM)、恒流充放电和循环伏安测试对材料的形貌特征、物相结构及电化学性能进行分析。实验发现,加入导电炭黑及SnSb后,可使黑鳞的导电性能得到提升,进而提高结构的稳定性。以100 m A/g的电流密度在0.01~3.00 V的条件下循环,P/SnSb/C的首次放电比容量为776.25 m Ah/g,首次库仑效率为83.5%,第50次循环的放电比容量为556.45 m Ah/g,库仑效率为98.9%。
