机械设计与研究 ›› 2014, Vol. 30 ›› Issue (04): 110-115.doi: 10.13952/j.cnki.jofmdr.a3413
陈庆堂;黄宜坚;
发布日期:2020-07-26
Published:2020-07-26
摘要： 为了识别减压阀的工作状态,建立了减压阀不同工作状态采集信号的时间序列AR模型,绘制了AR三谱、双谱及其切片谱图,计算了各切片谱的关联维数,综合分析了不同工作状态系统的谱图及关联维数变化。分析结果表明,AR三谱、双谱、各切片谱及其关联维数各自对工作状态变化的敏感性不同,双谱对角切片的关联维数、三谱及其切片谱对工作状态变化较敏感,更适合用于减压阀故障诊断,同时AR三谱、双谱的一维切片谱及其关联维数在反映系统动力学特性方面分别存在对应关系,可以将切片谱和关联维数相结合对减压阀进行故障诊断分析。
陈庆堂;黄宜坚;. 基于AR高阶谱及其关联维数分析的减压阀故障诊断[J]. 机械设计与研究, 2014, 30(04): 110-115.
| [1] | 许勇, 蔡云泽, 宋林. 基于数据驱动的核电设备状态评估研究综述[J]. 上海交通大学学报, 2022, 56(3): 267-278. |
| [2] | 刘秀丽, 徐小力. 基于特征金字塔卷积循环神经网络的故障诊断方法[J]. 上海交通大学学报, 2022, 56(2): 182-190. |
| [3] | 马航宇, 周笛, 卫宇杰, 吴伟, 潘尔顺. 变工况下基于自适应深度置信网络的轴承智能故障诊断[J]. 上海交通大学学报, 2022, 56(10): 1368-1377. |
| [4] | 胡晓强，仲训昱，张霄力，彭侠夫，何荧. 基于支持向量机辅助的四轴陀螺两级故障诊断方法[J]. 上海交通大学学报, 2020, 54(11): 1151-1156. |
| [5] | 高家宝;许昕;潘宏侠;付志敏;. 基于信息熵与神经网络的供输弹系统早期故障诊断[J]. 机械设计与研究, 2020, 36(02): 181-184+188. |
| [6] | 赵璐;许昕;潘宏侠;付志敏;高家宝;. 基于信息熵与信息融合的供输弹系统故障诊断研究[J]. 机械设计与研究, 2020, 36(01): 169-172. |
| [7] | 张龙;宋成洋;邹友军;崔路瑶;雷兵;. 基于VMD多特征融合与PSO-SVM的滚动轴承故障诊断[J]. 机械设计与研究, 2019, 35(06): 96-104. |
| [8] | 李东;刘广璞;黄晋英;张安安;. 基于EEMD-SVD与SVM的轴承故障诊断[J]. 机械设计与研究, 2019, 35(06): 123-127. |
| [9] | 张航;许昕;潘宏侠;梁海英;. 基于ITD与PSO-SVM的供输弹系统故障诊断[J]. 机械设计与研究, 2019, 35(06): 197-200. |
| [10] | 陆纪文;. 基于MCKD与1.5维Teager能量谱的滚动轴承故障诊断方法[J]. 机械设计与研究, 2019, 35(03): 100-103. |
| [11] | 汪开正;黄亦翔;张旭东;李彦明;. 基于AdaBoost-SOM方法的电机故障诊断[J]. 机械设计与研究, 2019, 35(02): 155-159. |
| [12] | 王宜静;谭海燕;. 基于多维度互近似熵的滚动轴承故障诊断方法研究[J]. 机械设计与研究, 2019, 35(01): 110-112+124. |
| [13] | 梁海英;许昕;潘宏侠;付志敏;. 基于EEMD与模糊核聚类的供输弹系统早期故障识别[J]. 机械设计与研究, 2019, 35(01): 192-195. |
| [14] | 熊国良;毛志德;张龙;崔路瑶;. 基于总体平均经验模态分解与1.5维谱的滚动轴承故障诊断方法[J]. 机械设计与研究, 2019, 35(01): 100-104. |
| [15] | 逯程1，徐廷学1，王虹2. 基于属性粒化聚类与回声状态网络的末制导雷达故障诊断[J]. 上海交通大学学报（自然版）, 2018, 52(9): 1112-1119. |
| 阅读次数 | ||||||
|
全文 |
|
|||||
|
摘要 |
|
|||||
