针对多缸体柱塞泵冲击信号难以分离且机械故障判断困难的问题,提出了基于数据驱动的柱塞泵冲击信号分离模型。模型根据谱峭度最大原则对原始信号进行自适应带通滤波处理,根据二次包络谱峰值结合最优谐波能量和算法自动搜索柱塞泵的转速数据,根据转速对柱塞泵的单次循环大周期进行分割,以提取每个大周期内的各个密封阀单次冲击信号;判断每次单个冲击的起始时刻,设计周期时变滤波器组,对原始信号进行滤波处理,得到单一缸体的冲击信号,并计算相应的特征指标;采用实际柱塞泵振动数据对模型的准确性进行了验证。结果表明对于具有明显冲击的三缸泵振动信号,采取分离模型分析出其转频为3.7566 Hz,信号周期为5.12 s,设计出6个周期时变滤波器组对原始信号进行处理,实现了每个密封阀的冲击信号的有效分离,便于后续对每个阀体进行独立监测和...

针对液压机械驱动齿轮组故障诊断结果精准度不佳、可靠性差等问题,本文提出基于SVM的液压机械驱动齿轮组故障诊断研究。采集了液压机械驱动齿轮组振动信号,构建液压机械驱动齿轮组故障信号分离模型;运用低秩算法分离液压机械驱动齿轮箱振源信号,设计齿轮组故障信号约束条件,完成液压机械驱动齿轮组分类;根据分类结果,采用SDAE模型提取液压机械驱动齿轮组故障特征,并将提取结果输入到支持向量机内训练,其最终输出结果就是最佳诊断结果,实现基于SVM的液压机械驱动齿轮组故障诊断研究。实验结果表明,通过对该方法开展故障检测及故障诊断测试,本文方法下分类错误率不超过3.5%,验证了该方法的可行性高。