-
题名基于数据驱动的液压马达预测性维护研究
被引量：1
- 1
-
-
作者
刘强
朱建新
崔瑜源
-
机构
长沙职业技术学院智能制造工程学院
中南大学高性能复杂制造国家重点实验室
长沙市特种工程装备工业技术研究院有限公司
山河智能装备股份有限公司国家级企业技术中心
-
出处
《工程设计学报》
CSCD
北大核心
2024年第6期793-800,共8页
-
基金
湖南省十大科技攻关项目(2021GK1150)
湖南省自然科学基金资助项目(2024JJ8044)。
-
文摘
预测性维护是数字孪生典型应用之一,数据驱动是实现预测性维护的主要方式。针对预测性维护中故障特征提取困难、预测结果偏差较大的问题,提出了一种基于变分模态分解(variational mode decomposition,VMD)算法与希尔伯特-黄变换(Hilbert-Huang transform,HHT)算法相结合的预测性维护模型的构建方法。用VMD+HHT算法提取振动信号时域特征,结合深度稀疏自编码器(deep sparse auto-encoder,DSAE)进行数据降维,采用支持向量数据描述(support vector data description,SVDD)算法来形成健康度曲线,并基于长短时记忆网络(long short-term memory,LSTM)算法建立预测性维护模型。将该方法应用于一款旋挖钻机液压马达的预测性维护。提取马达外壳的振动信号,构建液压马达预测性维护模型,并通过试验来验证该方法的有效性与准确性。试验结果表明,采用基于DSAE+SVDD+LSTM算法构建的预测性维护模型可避免模态混叠及端点效应等问题,预测精度达90%以上,模型具有实用价值。研究结果可为液压元件数字孪生预测性维护应用场景的建设提供重要参考。
-
关键词
数据驱动
液压马达
预测性维护
-
Keywords
data-driven
hydraulic motor
predictive maintenance
-
分类号
TH17
[机械工程—机械制造及自动化]
-
