留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

多时域特征与SVM的隔膜泵单向阀故障诊断

熊鹏博 王晓东

熊鹏博, 王晓东. 多时域特征与SVM的隔膜泵单向阀故障诊断[J]. 机械科学与技术, 2019, 38(4): 538-543. doi: 10.13433/j.cnki.1003-8728.20180200
引用本文: 熊鹏博, 王晓东. 多时域特征与SVM的隔膜泵单向阀故障诊断[J]. 机械科学与技术, 2019, 38(4): 538-543. doi: 10.13433/j.cnki.1003-8728.20180200
Xiong Pengbo, Wang Xiaodong. Fault Diagnosis of Check Valve for Diaphragm Pump with Multi-time Domain Feature and SVM[J]. Mechanical Science and Technology for Aerospace Engineering, 2019, 38(4): 538-543. doi: 10.13433/j.cnki.1003-8728.20180200
Citation: Xiong Pengbo, Wang Xiaodong. Fault Diagnosis of Check Valve for Diaphragm Pump with Multi-time Domain Feature and SVM[J]. Mechanical Science and Technology for Aerospace Engineering, 2019, 38(4): 538-543. doi: 10.13433/j.cnki.1003-8728.20180200

多时域特征与SVM的隔膜泵单向阀故障诊断

doi: 10.13433/j.cnki.1003-8728.20180200
基金项目: 

国家自然科学基金项目 51765022

详细信息
    作者简介:

    熊鹏博(1994-), 硕士研究生, 研究方向为机械设备的故障诊断及信号处理, 846692259@qq.com

    通讯作者:

    王晓东, 教授, 博士生导师, wangxd9621@sina.com

  • 中图分类号: TH17

Fault Diagnosis of Check Valve for Diaphragm Pump with Multi-time Domain Feature and SVM

  • 摘要: 针对隔膜泵单向阀故障机理分析不足的问题,提出了一种基于多时域特征与SVM的单向阀故障诊断方法。信号的时域特征是最早应用且最为简洁实用的特征参数,对单向阀的时域振动信号进行简要分析,并介绍几种信号时域指标与特征,根据单向阀振动信号的特点选取出三种时域指标与特征作为故障诊断的特征值;将特征值构成训练集输入到SVM分类器训练诊断模型;用测试样本进行故障诊断实验。实验证明,本文中提出的方法对高压隔膜泵单向阀的故障诊断准确率为98%,具有所需样本信号长度较短的优点。
  • 图  1  隔膜泵单向阀工作原理

    图  2  单向阀外形及传感器安装位置

    图  3  单向阀振动信号时域图

    图  4  正常与故障峭度值

    图  5  正常与故障近似熵值

    图  6  正常与故障裕度因子

    图  7  诊断流程图

    图  8  两种核函数的SVM识别效果

    图  9  单一特征值故障诊断效果

    表  1  信号采集器件型号

    器件名称 型号
    三缸曲轴活塞式隔膜泵 TZPM
    振动加速度传感器 PCB-ICP
    加速度校准器 PCB-394C06
    高精度动态数据采集卡 PXIe-3342
    控制器 PXI-3050EXT 2.7 Hz
    工控机 PXI-9108EXT PXI机箱
    下载: 导出CSV

    表  2  部分样本的指标

    样本类别 峭度值 近似熵值 裕度因子
    0 11.993 4 0.784 2 27.055 9
    0 9.703 0 0.726 6 26.595 4
    0 5.877 3 0..943 8 20.611 4
    0 6.824 7 0.886 5 19.510 0
    0 4.537 5 0.953 9 14.634 0
    0 12.097 5 0.870 1 29.605 4
    0 6.327 9 0.808 4 16.017 0
    0 7.096 1 0.953 1 20.078 8
    0 8.299 3 0.760 7 22.247 4
    0 6.286 2 0.954 6 27.657 5
    1 2.607 5 1.197 9 3.054 9
    1 4.995 0 0.980 4 7.247 6
    1 2.756 8 1.200 6 3.848 2
    1 6.395 1.020 2 7.260 0
    1 4.039 1.195 3 4.149 6
    1 6.229 0 0.957 6 7.247 2
    1 3.550 6 1.072 9 5.044 9
    1 4.180 5 1.121 6 7.338 2
    1 3.436 4 1.174 8 3.794 5
    1 2.547 4 1.190 7 2.390 8
    下载: 导出CSV

    表  3  两种核函数的识别准确率及误判率

    核函数类别 准确率 误判率
    Linear 92% 2%
    RBF 98% 0%
    下载: 导出CSV

    表  4  单一特征值进行识别的准确率及误判率

    特征类别 准确率 误判率
    峭度值 86% 8%
    近似熵 76% 24%
    裕度因子 92% 2%
    下载: 导出CSV
  • [1] 姜景升, 王华庆, 柯燕亮, 等.基于LTSA与K-最近邻分类器的故障诊断[J].振动与冲击, 2017, 36(11):134-139 http://d.old.wanfangdata.com.cn/Periodical/zdycj201711021

    Jiang J S, Wang H Q, Ke Y L, et al. Fault diagnosis based on LTSA and K-Nearest neighbor classifier[J]. Journal of Vibration and Shock, 2017, 36(11):134-139(in Chinese) http://d.old.wanfangdata.com.cn/Periodical/zdycj201711021
    [2] 戴云, 徐安, 陆孟和.基于粗糙集的语音情感分类的决策方法[J].统计与决策, 2008(15):56-58 http://d.old.wanfangdata.com.cn/Periodical/tjyjc200815018

    Dai Y, Xu A, Lu M H. Decision method of emotion based on rough set[J]. Statistics and Decision, 2008(15):56-58(in Chinese) http://d.old.wanfangdata.com.cn/Periodical/tjyjc200815018
    [3] 吴志清, 张文凡.Timoshenko梁自由振动分析及在称重仪中应用的研究[J].机床与液压, 2015, 43(11):169-172 doi: 10.3969/j.issn.1001-3881.2015.11.045

    Wu Z Q, Zhang W F. Analysis of free vibration of Timoshenko beam and study on its application in weighing instrument[J]. Machine Tool & Hydraulics, 2015, 43(11):169-172(in Chinese) doi: 10.3969/j.issn.1001-3881.2015.11.045
    [4] 彭宵微, 彭翠云.基于无量纲参数分析的驱动机构运行性能研究[J].核电子学与探测技术, 2015, 35(10):1011-1013 doi: 10.3969/j.issn.0258-0934.2015.10.015

    Peng X W, Peng C Y. Research on the running performance of control rod drive mechanism based on dimensionless parameters analysis[J]. Nuclear Electronics & Detection Technology, 2015, 35(10):1011-1013(in Chinese) doi: 10.3969/j.issn.0258-0934.2015.10.015
    [5] 张艳艳.近似熵理论及应用[J].中国医学物理学杂志, 2009, 26(6):1543-1546 http://d.old.wanfangdata.com.cn/Periodical/zgyxwlxzz200906020

    Zhang Y Y. The theory of approximate entropy and its application[J]. Chinese Journal of Medical Physics, 2009, 26(6):1543-1546(in Chinese) http://d.old.wanfangdata.com.cn/Periodical/zgyxwlxzz200906020
    [6] 张淑清, 李威, 张立国, 等.基于多元经验模态分解互近似熵及GG聚类的轴承故障诊断[J].中国机械工程, 2016, 27(24):3362-3367 doi: 10.3969/j.issn.1004-132X.2016.24.017

    Zhang S Q, Li W, Zhang L G, et al. Bearing fault diagnosis based on multi-EMD, cApEn and GG clustering algorithm[J]. China Mechanical Engineering, 2016, 27(24):3362-3367(in Chinese) doi: 10.3969/j.issn.1004-132X.2016.24.017
    [7] 刘畅, 伍星, 刘韬, 等.基于近似等距投影和支持向量机的滚动轴承故障诊断[J].振动与冲击, 2018, 37(5):234-239 http://d.old.wanfangdata.com.cn/Periodical/zdycj201805035

    Liu C, Wu X, Liu T, et al. Fault diagnosis of rolling bearings based on near-isometric projection and support vector machine[J]. Journal of Vibration and Shock, 2018, 37(5):234-239(in Chinese) http://d.old.wanfangdata.com.cn/Periodical/zdycj201805035
    [8] 殷俊, 杨万扣.核稀疏保持投影及生物特征识别应用[J].电子学报, 2013, 41(4):639-645 doi: 10.3969/j.issn.0372-2112.2013.04.003

    Yin J, Yang W K. Kernel sparsity preserving projections and its application to biometrics[J]. Acta Electronica Sinica, 2013, 41(4):639-645(in Chinese) doi: 10.3969/j.issn.0372-2112.2013.04.003
    [9] 石志标, 陈斐, 曹丽华.基于EWT与排列熵的SVM汽轮机转子故障诊断[J].汽轮机技术, 2017, 59(6):439-442 doi: 10.3969/j.issn.1001-5884.2017.06.011

    Shi Z B, Chen F, Cao L H, Fault diagnosis of steam turbine rotor based on EWT and permutation entropy and SVM[J]. Turbine Technology, 2017, 59(6):439-442(in Chinese) doi: 10.3969/j.issn.1001-5884.2017.06.011
    [10] 王强, 王莉, 沈进锐.基于多重分形与SVM的异步电动机轴承故障诊断[J].测控技术, 2017, 36(11):18-22 doi: 10.3969/j.issn.1000-8829.2017.11.004

    Wang Q, Wang L, Shen J R. Fault diagnosis of induction motor bearing based on multifractal and SVM[J]. Measurement & Control Technology, 2017, 36(11):18-22(in Chinese) doi: 10.3969/j.issn.1000-8829.2017.11.004
    [11] 李艳军, 张建, 曹愈远, 等.基于模糊信息粒化和优化SVM的航空发动机性能趋势预测[J].航空动力学报, 2017, 32(12):3022-3030 http://d.old.wanfangdata.com.cn/Periodical/hkdlxb201712027

    Li Y J, Zhang J, Cao Y Y, et al. Forecasting of aero-engine performance trend based on fuzzy information granulation and optimized SVM[J]. Journal of Aerospace Power, 2017, 32(12):3022-3030(in Chinese) http://d.old.wanfangdata.com.cn/Periodical/hkdlxb201712027
  • 加载中
图(9) / 表(4)
计量
  • 文章访问数:  438
  • HTML全文浏览量:  78
  • PDF下载量:  178
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-04-18
  • 刊出日期:  2019-04-05

目录

    /

    返回文章
    返回