针对液压系统故障原因复杂、现象多样、故障信号中噪声干扰大的特点,综合利用压力、流量和液压缸运动速度进行液压系统故障诊断,克服了单一特征量在故障诊断中容易产生误判的缺点。将小波去噪方法应用到故障信号中,提高了故障诊断精度。通过对Festo液压实验系统故障信号进行处理,证明该方法是有效的。

该文将小波自回归谱的信号处理方法应用到液压系统故障信号处理中,确定了最优小波基。利用Festo液压实验系统,采集正常情况和故障情况下的压力信号,通过比较加噪的正常和故障信号处理结果,证明低频信号的自回归谱可以作为故障诊断的依据。

针对液压系统特点,提出基于观测器和神经网络的故障诊断方法。该方法的原理是基于观测器实现故障的判断,利用经观测器输出训练的神经网络实现故障定位。相对于故障树和专家系统等方法,该方法的优点是诊断速度更快、不需要大样本。仿真结果证明该方法有效。

针对故障诊断的需要和信号特点,提出一种基于小波特征熵的去噪新方法。该方法基于小波特征熵判断有用信号所在频带,重构所在频带系数,得到去噪信号。将该方法和阈值去噪法应用到液压系统压力信号中,去噪结果证明该方法比阈值去噪法更有效。

针对液压系统故障原因复杂、现象多样、故障信号中噪声干扰大的特点，综合利用压力、流量和液压缸运动速度进行液压系统故障诊断，克服了单一特征量在故障诊断中容易产生误判的缺点。将小波去噪方法应用到故障信号中，提高了故障诊断精度。通过对Festo液压实验系统故障信号进行处理，证明该方法是有效的。

该文将小波自回归谱的信号处理方法应用到液压系统故障信号处理中，确定了最优小波基。利用Festo液压实验系统，采集正常情况和故障情况下的压力信号，通过比较加噪的正常和故障信号处理结果，证明低频信号的自回归谱可以作为故障诊断的依据。

针对液压系统特点，提出基于观测器和神经网络的故障诊断方法。该方法的原理是基于观测器实现故障的判断，利用经观测器输出训练的神经网络实现故障定位。相对于故障树和专家系统等方法，该方法的优点是诊断速度更快、不需要大样本。仿真结果证明该方法有效。