文献类型：期刊文章

作　　者：何庆飞[1] 陈桂明[1] 陈小虎[1] 姚春江[1] 杨庆[1] 张宪宇[1]

机构地区：[1]第二炮兵工程学院装备管理工程系,西安710025

出　　处：《机械强度》

基　　金：国防预研基金(9140A27020309JB4701);第二炮兵工程学院科技创新基金(XY2010JJB38)资助

年　　份：2013

卷　　号：35

期　　号：2

起止页码：127-132

语　　种：中文

收录情况：AMR、BDHX、BDHX2011、CAS、CSA-PROQEUST、CSCD、CSCD2013_2014、IC、INSPEC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：柱塞泵状态发生改变时,其振动信号各频带的能量发生相应变化,利用各频带的能量特征可识别柱塞泵状态。基于此提出一种基于能量特征和径向基函数(radial basis function,RBF)神经网络的柱塞泵状态识别方法。首先利用改进阈值的小波包降噪方法对原信号进行降噪处理,然后对降噪后的信号进行经验模态分解(empirical modedecomposition,EMD),选取含主要状态信息的IMF(intrinsic mode functions)分量,提取能量特征作为神经网络的输入参数,识别柱塞泵的状态。同时利用小波包分析技术提取能量特征,并运用神经网络进行状态识别。应用实例表明,以EMD提取各频带能量作为特征参数的RBF神经网络状态识别方法比小波包分析提取各频带能量特征的方法具有更高的识别率,能有效地识别柱塞泵的状态。

关 键 词：柱塞泵 能量特征  经验模态分解 小波包分析 RBF神经网络 状态识别  

分 类 号：TH322] TP277]