版权所有:内蒙古大学图书馆 技术提供:维普资讯• 智图
内蒙古自治区呼和浩特市赛罕区大学西街235号 邮编: 010021
作者机构:燕山大学河北省重型机械流体动力传输与控制重点实验室秦皇岛066004 西昌卫星发射中心航天发射场可靠性技术重点实验室海口571126 燕山大学先进锻压成形技术与科学教育部重点实验室秦皇岛066004 燕山大学河北省特种运载装备重点实验室秦皇岛066004
出 版 物:《机械工程学报》 (Journal of Mechanical Engineering)
年 卷 期:2023年第59卷第14期
页 面:310-319页
核心收录:
学科分类:080503[工学-材料加工工程] 08[工学] 0805[工学-材料科学与工程(可授工学、理学学位)] 0802[工学-机械工程] 080201[工学-机械制造及其自动化]
基 金:国家自然科学基金资助项目(52075469 12173054)
主 题:齿轮泵 变转速 健康状态评估 广义线性调频小波变换 支持向量机
摘 要:针对齿轮泵变转速工况,提出广义线性调频小波变换(General linear chirplet transform,GLCT)和食肉植物算法(Carnivorous plant algorithm,CPA)优化支持向量机(Support vector machines,SVM)相结合的齿轮泵健康状态分类识别方法。首先选取4组磨损量不同的轴套,利用改造试验台采集不同状态下齿轮泵的振动信号;然后,引入GLCT时频分析方法消除转速变化的影响,提取瞬时旋转频率,进行角度域重采样,提取角度域中峰值指标、脉冲指标、峭度指标,与阶次谱方均根值、阶次域阶次幅值作为特征参数;最后,引入CPA对SVM两个参数c和g优化的分类方法,进行齿轮泵的健康状态进行分类识别,为了进一步验证算法有效性将其与SVM和极限学习机(Extreme learning machine,ELM)两种方法进行比较。结果表明,提出的分类方法平均准确率可达93.75%以上,能有效提高分类识别准确率。