Print

基于EEMD-SVM的液压泵故障诊断

论文摘要

为提高利用液压泵振动信号进行故障诊断的准确率和减小诊断时间,采用集合经验模态分解（EEMD）的方式来提取振动信号特征,并将其作为液压泵故障诊断的数据集。在此基础上利用支持向量机（SVM）与深度神经网络（DNN）进行故障诊断,最后通过验证数据集检验模型诊断故障的准确程度。结果表明:EEMD-SVM在液压泵故障诊断方面具有较好的性能,与神经网络故障诊断模型相比,支持向量机模型在液压泵故障诊断方面具有更高的准确率和更短的诊断时间。

论文目录

  • 0 引言
  • 1 数据特征提取与模式识别
  •   1.1 基于EEMD方法的数据特征提取
  •   1.2 DNN分类器
  •   1.3 多故障识别SVM分类
  • 2 对比仿真
  •   2.1 仿真对象
  •   2.2 仿真方案
  • 3 仿真结果分析
  • 4 结论

    • 文章来源

    类型: 期刊论文

    作者: 袁兵,余佳翰,邹永向

    关键词: 液压泵,集合经验模态分解,支持向量机,故障诊断

    来源: 起重运输机械 2019年20期

    年度: 2019

    分类: 工程科技Ⅱ辑

    专业: 工业通用技术及设备,机械工业

    单位: 武汉理工大学物流工程学院

    分类号: TH137.51

    页码: 90-95

    总页数: 6

    文件大小: 3113K

    下载量: 120

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/e4e52b8998573632cde3c517.html