科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对柱塞泵故障特征难以提取、故障分类困难、故障诊断准确度不高的问题，提出局部均值分解（LMD）样本熵和支持向量机（SVM）结合的柱塞泵故障诊断方法研究。采集柱塞泵四种状态（正常、松靴、配流盘磨损、滑靴磨损）的多测点振动信号，将振动信号进行LMD分解和重构，提取重构信号的样本熵与原始信号标准差作为特征向量，将其输入SVM中进行训练和诊断，并与原始信号的特征向量诊断结果进行比较，诊断准确度可达99.5%以上。最后将SVM诊断结果与BP神经网络进行比较，结果表明SVM具有更高的速度和准确度。
- 单位
