基于能量特征和RBF神经网络的柱塞泵状态识别方法

摘要：

柱塞泵状态发生改变时,其振动信号各频带的能量发生相应变化,利用各频带的能量特征可识别柱塞泵状态.基于此提出一种基于能量特征和径向基函数(radial basis function,RBF)神经网络的柱塞泵状态识别方法.首先利用改进阈值的小波包降噪方法对原信号进行降噪处理,然后对降噪后的信号进行经验模态分解(empirical modedecomposition,EMD),选取含主要状态信息的IMF(intrinsic mode functions)分量,提取能量特征作为神经网络的输入参数,识别柱塞泵的状态.同时利用小波包分析技术提取能量特征,并运用神经网络进行状态识别.应用实例表明,以EMD提取各频带能量作为特征参数的RBF神经网络状态识别方法比小波包分析提取各频带能量特征的方法具有更高的识别率,能有效地识别柱塞泵的状态.

关键词：柱塞泵、能量特征、经验模态分解、小波包分析、RBF神经网络、状态识别

所属期刊栏目：35

分类号：TH322;TP277(泵)

资助基金：国防预研基金9140A27020309JB4701;第二炮兵工程学院科技创新基金XY2010JJB38

在线出版日期：2013-05-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：127-132