角域多信息熵融合算法的EHA柱塞泵滑靴副状态评估方法

简介

滑靴副是电静液执行器(Electro-hydrostatic Actuator,EHA)柱塞泵中受力最为复杂和薄弱环节,在变转速极端工况下对其健康状态进行有效评估对于EHA的安全稳定运行尤为重要。针对滑靴副在变转速工况下磨损故障特征机理复杂、难以揭示的问题。提出一种基于角域多信息熵融合算法的新状态评估方法,结合阶比分析与信息熵理论,针对EHA变转速极端工况提出“角域信息熵”新概念,运用BP神经网络和D-S证据理论构建基于角域多信息熵融合的滑靴磨损状态评估模型;最后在恒压变转速工况条件下,以滑靴外边缘偏磨磨损故障为例对评估模型进行测试试验验证和结果分析,证实状态评估方法有效性和评估结果的准确性。