【技术实现步骤摘要】
一种基于PICA-VMD和Hilbert边际谱的轴向柱塞泵空化等级识别方法
本专利技术涉及一种轴向柱塞泵空化等级识别方法,属于工业过程故障诊断与模式识别领域。
技术介绍
空化是广泛存在于流体机械的一种流体力学现象,尤其在泵类中更为普遍,随着轴向柱塞泵的转速的提高,空化现象出现的频率和程度也会随之提高。空化是指轴向柱塞泵内部局部压力下降至空气分离压力时,溶解于液体的空气开始大量析出,形成气泡或空穴的现象。空化现象不仅降低了轴向柱塞泵的容积效率,气泡在溃灭时产生的瞬间冲击力也会对轴向柱塞泵内部元件产生极大的破坏作用。因此,有必要对液压泵内部的空化现象进行诊断,提前做好预防措施。轴向柱塞泵在不同空化等级下的故障特征不明显,需要利用信号处理方法来提取振动信号中微弱的空化特征,传统的信号处理方法有STFT变换、小波变换、Winger-Ville分布等,但这些方法都不具备自适应的分解特性,无法从非线性、非平稳的振动信号中提取出微弱的空化特征信息,因此无法准确有效地识别出轴向柱塞泵的空化等级。
技术实现思路
针对轴向柱塞泵空化故障特征提取不丰富导致的空化等级识别率低的问题,本专利技术提供了一种基于PICA-VMD和Hilbert边际谱的轴向柱塞泵空化等级识别方法。为了有效解决上述问题,对本专利技术提供的技术方案进行详细说明:一种基于扰动帝国竞争—变分模态分解(PICA-VMD)和Hilbert边际谱的轴向柱塞泵空化等级识别方法,该方法包括以下步骤:步骤1:采集不同空化等级
【技术保护点】
1.一种基于PICA-VMD和Hilbert边际谱的轴向柱塞泵空化等级识别方法,其特征在于,包括以下步骤:/n步骤1:采集不同空化等级下轴向柱塞泵壳体的振动信号,构建初始样本集;/n步骤2:采用小波包自适应阈值去噪法去除原始振动信号中的噪声干扰;/n步骤3:对去噪后的信号进行PICA-VMD变换得出对应的边际谱,具体为:采用扰动帝国竞争算法PICA优化变分模态分解VMD的两个参数:惩罚因子α和IMF分量个数K,采用参数优化后的VMD方法得出信号的边际谱;/n提取边际谱中的幅值作为故障特征,并在样本集内构建出故障特征集;/n步骤4:采用PCA方法对所提取的故障特征进行特征降维;/n步骤5:将经降维后的故障特征集进行预处理,包括空化等级标记和数据标准化,将预处理后的故障特征集作为训练数据,完成多分类SVM模型的训练;/n步骤6:根据上述步骤得到待识别的轴向柱塞泵壳体振动信号的降维后的故障特征集,将故障特征集进行数据标准化后,输入到训练好的多分类SVM模型中,完成空化等级的识别。/n
【技术特征摘要】
1.一种基于PICA-VMD和Hilbert边际谱的轴向柱塞泵空化等级识别方法,其特征在于,包括以下步骤:
步骤1:采集不同空化等级下轴向柱塞泵壳体的振动信号,构建初始样本集;
步骤2:采用小波包自适应阈值去噪法去除原始振动信号中的噪声干扰;
步骤3:对去噪后的信号进行PICA-VMD变换得出对应的边际谱,具体为:采用扰动帝国竞争算法PICA优化变分模态分解VMD的两个参数:惩罚因子α和IMF分量个数K,采用参数优化后的VMD方法得出信号的边际谱;
提取边际谱中的幅值作为故障特征,并在样本集内构建出故障特征集;
步骤4:采用PCA方法对所提取的故障特征进行特征降维;
步骤5:将经降维后的故障特征集进行预处理,包括空化等级标记和数据标准化,将预处理后的故障特征集作为训练数据,完成多分类SVM模型的训练;
步骤6:根据上述步骤得到待识别的轴向柱塞泵壳体振动信号的降维后的故障特征集,将故障特征集进行数据标准化后,输入到训练好的多分类SVM模型中,完成空化等级的识别。
2.根据权利要求1所述的一种基于PICA-VMD和Hilbert边际谱的轴向柱塞泵空化等级识别方法,其特征在于,所述步骤1中,使用加速度传感器分别采集不同空化等级下相同信号长度的轴向柱塞泵壳体振动信号,并将m个采样点(m大于一个信号周期内包含的采样点)划分为一个样本,从而构建出初始样本集。
3.根据权利要求1所述的一种基于PICA-VMD和Hilbert边际谱的轴向柱塞泵空化等级识别方法,其特征在于,所述步骤2中,自适应阈值的选择规则选用无偏似然估计函数,阈值类型选择软阈值,小波包分解层数为4层,小波基选择为db4。
4.根据权利要求1所述的一种基于PICA-VMD和Hilbert边际谱的轴向柱塞泵空化等级识别方法,其特征在于,所述步骤3中,特征提取过程如下:
步骤3-1:采用扰动帝国竞争算法PICA优化变分模态分解VMD的两个参数:惩罚因子α和IMF分量个数K;
步骤3-2:采用参数优化后的VMD方法将信号分解成相互独立的若干固有模态函数IMF;
步骤3-3:对每个IMF函数进行Hilbert变换,得到第i个IMF分量的瞬时频率fi(t)和瞬时幅值φi(t),两者均为关于时间t的函数;
步骤3-4:根据所有IMF函数的瞬时频率和瞬时幅值求出Hilbert时频谱H(f,t);
步骤3-5:将Hilbert时频谱对时间t...
【专利技术属性】
技术研发人员:刘成良,潮群,王立尧,陶建峰,覃程锦,魏晓良,
申请(专利权)人:上海交通大学,上海智能制造功能平台有限公司,
类型:发明
国别省市:上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。