基于EMD奇异值分解与马氏距离的气阀故障诊断

摘要：

设置排气阀的不同间隙及用新气阀模拟轻微漏气,构造气阀机构的四种常见工作状态,然后针对非平稳的缸盖振动信号,介绍了一种可以处理非平稳信号的新方法,应用Hilbert-Huang 变换的核心内容--经验模态分解法对非平稳信号进行分解,以降低原始信号中的非平稳性.利用经验模态分解和奇异值分解得到缸盖振动信号的故障特征参数,然后用少量的样本数据训练得到四种常见工作状态的模式向量,最后利用马氏距离判别函数进行气阀机构故障状态的识别.实验结果表明通过小样本即可完成模型的训练,且训练一旦完成,对未知样本的分类速度和识别率都很高,便于实现气阀机构故障的在线实时监测与诊断.

关键词：气阀机构、故障诊断、经验模态分解、奇异值分解、马氏距离

所属期刊栏目：35

分类号：TP274(自动化技术及设备)

在线出版日期：2008-12-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：63-65,69