能谱熵向量法及改进 LM 神经网络在液压油缸内泄漏故障诊断中的应用
版权信息:站内文章仅供学习与参考,如触及到您的版权信息,请与本站联系。
信息
资料大小
390KB
文件类型
PDF
语言
简体中文
资料等级
☆☆☆☆☆
下载次数
简介
针对基于时域组合特征的故障诊断方法的不足,提出一种基于小波包能谱熵分析的液压油缸内泄漏故障诊断方法。分析无杆腔压力信号的时域特征,采用小波包变换提取压力信号的能谱熵并输入到改进LM神经网络进行内泄漏的故障诊断。实验结果表明,无泄漏压力信号的能谱熵向量各元素分布较均匀;而泄漏信号的能谱熵向量各元素差异较大;改进LM神经网络在精度、准确率等方面高于传统BP、LM神经网络。与时域组合特征法进行比较,结果验证算法的高效可检测性。以不同分类器、不同小波基对算法诊断性能的影响进行分析,结果表明,该方法具有很强的稳定性和优越性。相关论文
- 2020-02-05一种新数字液压缸的结构及其工作原理
- 2020-03-03基于传递函数的数字液压缸建模与分析
- 2022-03-19闭环控制数字液压缸及其控制系统
- 2020-02-05转阀数字液压缸在折弯机中的应用研究
- 2018-10-30基于PLC的数字液压缸的直接控制
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。