首页|LMD样本熵与SVM结合的柱塞泵故障诊断研究

LMD样本熵与SVM结合的柱塞泵故障诊断研究

扫码查看
原文链接
  • 万方数据
  • 维普
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.
Research on Fault Diagnosis Method of Plunger Pump Based on LMD and Support Vector Machine

赵立红、程珩、励文艳、关澈

展开 >

太原理工大学新型传感器与智能控制教育部和山西省重点实验室,山西太原 030024

太原理工大学机械与运载工程学院,山西太原 030024

LMD 样本熵 SVM 柱塞泵 故障诊断

国家自然科学基金

51475318

2022

机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
年,卷(期)：2022.373(3)
  • 6
  • 8