文献类型：期刊文章

作　　者：张良[1] 张前图[2]

机构地区：[1]黄河科技学院信息工程学院,郑州450063 [2]驻356厂军代室,昆明650114

出　　处：《机械强度》

基　　金：国家自然科学基金项目(61101232);郑州市科技局科技发展计划项目(20140663);郑州市嵌入式系统应用技术重点实验室建设项目(121PYFZX177)资助~~

年　　份：2016

卷　　号：38

期　　号：2

起止页码：225-230

语　　种：中文

收录情况：AMR、BDHX、BDHX2014、CAS、CSA-PROQEUST、CSCD、CSCD_E2015_2016、IC、INSPEC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对液压泵振动信号非线性、非平稳性以及故障特征难以提取的问题,提出了基于局部特征尺度分解(local characteristic-scale decomposition,LCD)、模糊熵和流行学习的液压泵故障特征提取方法。该方法将LCD、模糊熵和流行学习相结合。首先,利用LCD将振动信号分解成不同尺度下的内禀尺度分量(intrinsic scale component,ISC)并计算各分量的模糊熵,初步提取液压泵高维故障特征。其次,采用流行学习算法中较为典型的线性局部切空间排列(liner local tangent space alignment,LLTSA)对故障特征进行二次特征提取,得到维数低、敏感度高且聚类性好的低维特征。最后,采用支持向量机(support vector machine,SVM)对提取特征进行评估。液压泵的故障诊断实验表明,所提方法能够以较高的精度识别液压泵的各典型故障,具有一定的优势。

关 键 词：局部特征尺度分解 模糊熵 流行学习  特征提取 液压泵

分 类 号：TH165.3]