声信号的MFDFA和SFLA-SVM算法的往复泵故障诊断
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
710KB
文件类型
PDF
语言
简体中文
资料等级
☆☆☆☆☆
下载次数
75
简介
利用声信号对往复泵进行状态监测,针对往复泵的声信号是具有非平稳性、非线性等复杂特征的信号,采用多重分形去趋势波动分析(MFDFA)计算时间序列声信号的多重分形谱,并提取作为故障特征量。分别用支持向量机(SVM)、遗传算法(GA)改进的SVM、混合蛙跳算法(SFLA)改进的SVM进行故障识别。通过实验测取往复泵的原始信息信号并分析,验证了声信号的波动呈现明显的多重分形特性,可以有效区分正常状态与故障状态,对比研究三种识别方法表明了基于混合蛙跳算法优化(SFLA)改进的支持向量机识别效果最好,基于MFDFA和SFLA-SVM相结合的故障诊断方法能准确地提高往复泵泵阀的故障诊断准确率,是往复泵故障诊断方法的一种新的有效方法。相关论文
- 2021-07-07基于5G通信的数控机床智能监控与诊断系统设计
- 2020-08-13JC30L绞车气控系统设计
- 2021-05-14数控铣床升级加工中心的自动换刀系统研究
- 2021-08-06海底原位观测系统温度测量单元的设计
- 2025-01-23芯片塑封体点胶控制系统设计与研究
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。