排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
判断轴向柱塞泵的磨损状态对维护轴向柱塞泵正常运行具有重要意义。然而,现有的轴向柱塞泵故障诊断方法大多为离线式和基于云计算的在线式,存在延时长和数据量大的问题,无法满足轴向柱塞泵磨损状态辨识的实时性需求。为了减少延迟时间和传输数据量,提出一种基于边缘计算的轴向柱塞泵磨损状态辨识方法。构造出一个集成信号采集、信号预处理、特征提取和磨损状态分类的边缘节点,用于正确和实时地辨识磨损状态。设置4种轴向柱塞泵滑靴副磨损状态作为故障源,并构建相应的磨损故障数据集。为了减少边缘节点计算量,在上位机中利用随机森林包外误差选择敏感特征值。为了实现磨损状态辨识,在上位机中训练磨损状态分类的特征选择人工神经网络模型,并将信号预处理和特征提取功能算法以及模型参数嵌入边缘节点。通过与其他方法的比较和在线磨损状态辨识试验证明所提方法的正确性和实时性。 相似文献
2.
3.
在汽轮机数字电液控制(DEH)系统试验的信号采集过程中,可能会碰到信号主要成分的频率过高,仪器无法满足奈奎斯特采样定律的情况。针对这一问题,通过希尔伯特变换构造解析信号的方法得到了信号的包络图,并根据包络信号对阀门的关闭时间进行了计算。考虑到基于信号包络线的计算方法计算精度受峰值点的时间间隔影响,为了提高计算精度,对欠采样信号进行了重构,通过快速傅里叶变换(FFT)对信号的主频率进行了分析,根据频域周期性延拓的性质确定了信号的主频率。在此基础上,根据信号初始值计算出了信号的初始相位,结合信号频率与初始相位对欠采样信号进行了重构。根据重构信号与实际信号差值,应用赤池信息(AIC)准则获取极值点的方法对阀门关闭时间进行了计算。比较2种方法的结果可知,通过信号重构的方法计算精度明显优于希尔波特变换求包络法,该研究结果可用于各类单频率成分的欠采样信号的重构,可以弥补DEH试验中硬件无法满足采样定理的不足。 相似文献
1