科研之友
微信
新浪微博
Facebook
分享链接
摘要
为找到液压滑阀内漏信号特征,寻求最优的声发射检测算法,以5组滑阀为研究对象,搭建滑阀内泄漏声发射检测实验台。采集5组滑阀1～12 MPa压力下的声发射信号,对信号进行EMD分解并提取的能量特征,初步找到内漏滑阀和正常滑阀信号的区别。结合SVM和LSSVM对信号做出模式识别,融入群智能算法对原算法进行优化,结果表明:基于LSSVM的优化算法识别时间最短,基于SVM的优化算法准确率较高,其中EMD-ABC-SVM准确率达到100%,用时2.0 s,最适用于作为滑阀内漏的声发射检测算法。
- 单位
为找到液压滑阀内漏信号特征,寻求最优的声发射检测算法,以5组滑阀为研究对象,搭建滑阀内泄漏声发射检测实验台。采集5组滑阀1～12 MPa压力下的声发射信号,对信号进行EMD分解并提取的能量特征,初步找到内漏滑阀和正常滑阀信号的区别。结合SVM和LSSVM对信号做出模式识别,融入群智能算法对原算法进行优化,结果表明:基于LSSVM的优化算法识别时间最短,基于SVM的优化算法准确率较高,其中EMD-ABC-SVM准确率达到100%,用时2.0 s,最适用于作为滑阀内漏的声发射检测算法。
