液壓軸向柱塞泵智慧型故障診斷理論與技術

內容簡介

本書以液壓傳動系統的“動力心臟”——液壓軸向柱塞泵為研究對象，融合數據挖掘、深度學習等智慧型科學，將機械故障診斷問題轉化為時頻特徵圖像智慧型分類識別問題，重點探究了連續小波變換、同步壓縮小波變換、S變換、卷積神經網路、貝葉斯最佳化等基礎理論與關鍵技術，提出多種將時頻變換與改進卷積神經網路模型相融合的智慧型故障診斷方法。基於液壓軸向柱塞泵的振動、聲音、壓力等多源異構信號，系統研究和分析了不同融合方法的診斷精度、魯棒性及泛化能力,旨在為液壓軸向柱塞泵的智慧型故障診斷與健康管理提供理論依據，提升液壓軸向柱塞泵的智慧型化和可靠性。

本書是作者長期從事液壓元件及系統智慧型故障診斷研究工作的結晶，適合從事液壓元件及系統智慧型故障診斷工作的工程技術人員閱讀，也可作為高等學校相關專業研究生的參考書。

圖書目錄

前言

第1章緒論1

1.1研究背景及意義1

1.2國內外研究現狀及分析3

1.2.1傳統故障診斷方法研究現狀3

1.2.2現代智慧型故障診斷方法研究現狀4

1.2.3泵類旋轉機械故障診斷方法研究現狀7

1.3研究問題的提出10

第2章液壓軸向柱塞泵智慧型故障診斷方法構建11

2.1引言11

2.2軸向柱塞泵典型故障機理分析11

2.2.1正常狀態11

2.2.2松靴故障11

2.2.3滑靴與斜盤磨損故障12

2.2.4中心彈簧失效故障12

2.3時頻分析方法12

2.3.1連續小波變換(CWT)12

2.3.2同步壓縮小波變換(SWT)13

2.3.3S變換(ST)14

2.4卷積神經網路(CNN)15

2.4.1卷積神經網路的基本結構15

2.4.2卷積神經網路的訓練流程17

2.5貝葉斯最佳化算法20

2.6時頻分析與CNN相融合的智慧型故障診斷方法構建21

2.6.1融合方法構建21

2.6.2故障診斷流程22

2.7本章小結24

第3章液壓軸向柱塞泵試驗數據採集及故障樣本構建25

3.1引言25

3.2試驗系統組成25

3.2.1硬體系統組成25

3.2.2數據採集系統組成26

3.2.3故障元件設定27

3.3試驗數據採集29

3.3.1數據採集方案29

3.3.2振動信號採集30

3.3.3聲音信號採集30

3.3.4壓力信號採集31

3.4試驗數據時頻域變換33

3.4.1振動信號時頻域變換33

3.4.2聲音信號時頻域變換35

3.4.3壓力信號時頻域變換37

3.5故障樣本構建39

3.5.1多源信號時頻特徵樣本庫構建39

液壓軸向柱塞泵智慧型故障診斷理論與技術

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條