能谱熵向量法及改进 LM 神经网络在液压油缸内泄漏故障诊断中的应用

摘要：

针对基于时域组合特征的故障诊断方法的不足，提出一种基于小波包能谱熵分析的液压油缸内泄漏故障诊断方法。分析无杆腔压力信号的时域特征，采用小波包变换提取压力信号的能谱熵并输入到改进LM神经网络进行内泄漏的故障诊断。实验结果表明，无泄漏压力信号的能谱熵向量各元素分布较均匀；而泄漏信号的能谱熵向量各元素差异较大；改进 LM 神经网络在精度、准确率等方面高于传统BP、LM 神经网络。与时域组合特征法进行比较，结果验证算法的高效可检测性。以不同分类器、不同小波基对算法诊断性能的影响进行分析，结果表明，该方法具有很强的稳定性和优越性。

关键词：液压油缸内泄漏、故障诊断、能谱熵、levenberg-marquart算法、BP网络

分类号：TH137.51;TP277

资助基金：国家自然科学基金资助项目60974012，61171160

在线出版日期：2013-10-30（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：59-64