由于液压泵故障识别难度大,并且检测到的液压泵故障振动信号中包含噪声等无关干扰信息,为此,提出了一种基于变模式提取和去趋势波动分析的方法,用于对液压泵故障进行识别和诊断。首先,通过变分模式提取方式,对采集到的液压泵振动信号进行了分解,得到了一系列固有模态函数分量;然后,通过去趋势波动分析方法,得到了不同模式分量的标度指数;利用标度指数的幅值阈值区分有用信号和噪声信号,并对含噪的模式分量进行了小波降噪,以最大程度地保留其中的有效信息;最后,将降噪处理后的模式分量和不含噪的模式分量进行了重构,并对重构信号进行了多统计学特征计算和局部保留投影降维。研究结果表明:变模式提取对信号进行分解后的结果,与原始不含噪信号的均方根误差仅为0.3251,该结果可为后续基于局部保留投影的液压泵不同故障类型的准确聚类...

当源信号不满足统计独立的假设,或者观测通道数少于源信号数时,经典的盲源分离方法如独立分量分析的处理效果很差。提出了一种基于张量分解模型的盲源分离算法,该方法将观测信号分解为一系列由源信号拟合的有理函数。将观测信号的每一个通道映射为Löwner矩阵并堆叠形成三维张量数据;根据Löwner矩阵的秩和源信号拟合多项式阶数的对应属性,通过张量秩-(Lr,Lr,1)将张量唯一地分解为由源信号的Löwner矩阵表示的前2个模式和由相应的混合向量表示的第3个模式,从而准确地分离出不同源信号;通过数值仿真实验和实测轴承混合故障的盲信号分析,证明了该方法在盲源分离的优良性能。

液压泵长期处于高压、高速的运行工况下,泵体零部件极易发生故障。实际工况下测量的振动信号往往包含着许多无关信号成分如噪声,导致传统方法难以实现故障类型的准确识别。提出一种基于动模式分解(DMD)和t分布随机近邻嵌入(t-SNE)聚类的液压泵故障模式识别方法。在泵体布置传感器进行监测获得振动信号,首先利用DMD进行分解获得表征信号本质特征的模式分量,再利用t-SNE进行降维聚类,实现不同故障类型的准确识别。通过数值仿真和试验台故障数据分析,验证了提出方法的可行性及有效性。