基于MLE阈值规则的小波特征提取技术在气阀故障诊断中的应用
魏中青; 马波; 窦远; 江志农;马日红
北京化工大学 诊断与自愈工程研究中心 北京100029
Wavelet feature extraction techniques based on Maximum Likelihood Estimation threshold rule Application to fault diagnosis for gas valve
Weizhongqing Mabo Douyuan Jiangzhinong
Beijing University of Chemical Technology, Diagnosis & Self-Recovery Engineering Research Center, Beijing 100029
摘要 气阀故障是往复压缩机最常见的故障类型之一,占故障总数的60%以上,如果不及时发现并解决,往复压缩机的压缩效率将大大降低。针对目前往复压缩机气阀故障诊断中存在的问题,结合小波降噪技术,提出了采用基于最大似然估计(MLE:Maximum Likelihood Estimation)阈值规则对气阀早期故障弱冲击变化信号进行特征提取的方法,实现了气阀故障的早期预警。
关键词 :
气阀 ,
故障诊断 ,
最大似然估计 ,
特征提取 ,
往复压缩机
Abstract :The fault of gas valve often happen for reciprocating compressor, more than 60% in total number of faults. If the fault is not found and solved in time, the efficiency of reciprocating compressor will be greatly reduced. Viewing of the current reciprocating compressor valve fault diagnosis problems, combining with wavelet de-noising, based on Maximum Likelihood Estimation(MLE)threshold rule feature extracting for weak impact signal of early fault of valve is proposed. The early warning for fault of valve is implemented.
Key words :
gas valve
fault diagnosis
Maximum Likelihood Estimation
feature extraction
reciprocating compressor
收稿日期: 2009-06-23
引用本文:
魏中青;马波;窦远;江志农;马日红. 基于MLE阈值规则的小波特征提取技术在气阀故障诊断中的应用[J]. , 2011, 30(1): 237-241.
Weizhongqing Mabo Douyuan Jiangzhinong . Wavelet feature extraction techniques based on Maximum Likelihood Estimation threshold rule Application to fault diagnosis for gas valve. , 2011, 30(1): 237-241.
链接本文:
http://jvs.sjtu.edu.cn/CN/ 或 http://jvs.sjtu.edu.cn/CN/Y2011/V30/I1/237
[1]
朱峤;毛崎波. 通过模态滤波实现阵列式传感器系统的故障诊断 [J]. , 2015, 34(3): 51-54.
[2]
马增强 ;梁建华;杨绍普 . 基于MID算法的组合切片分析在滚动轴承故障诊断中的应用 [J]. , 2015, 34(3): 55-60.
[3]
王宏超;陈 进;董广明. 基于谱相关密度组合切片能量的滚动轴承故障诊断研究 [J]. , 2015, 34(3): 114-117.
[4]
郑近德 程军圣 曾鸣 罗颂荣. 广义经验模态分解性能分析与应用 [J]. , 2015, 34(3): 123-128.
[5]
唐贵基;庞彬. 基于改进的希尔伯特振动分解的机械故障诊断方法研究 [J]. , 2015, 34(3): 167-171.
[6]
李 宁 魏 鹏 莫 宏 梅盛开 黎 敏. 光纤光栅声发射检测新技术用于轴承状态监测的研究 [J]. , 2015, 34(3): 172-177.
[7]
罗 毅;甄立敬. 基于小波包与倒频谱分析的风电机组齿轮箱齿轮裂纹诊断方法 [J]. , 2015, 34(3): 210-214.
[8]
吴小涛;杨 锰;袁晓辉;龚廷恺
. 基于峭度准则EEMD及改进形态滤波方法的轴承故障诊断 [J]. , 2015, 34(2): 38-44.
[9]
周海韬;陈 进;董广明;. 基于近邻元分析的滚动轴承故障诊断方法 [J]. , 2015, 34(2): 138-142.
[10]
李允公 孔祥娜 高玉勇. 基于两被联件振动信号概率密度和PCA的螺栓松动识别方法研究 [J]. , 2015, 34(1): 63-67.
[11]
石海忱;陈 前;林原灵. 协整系数矩阵的非平稳工程系统故障诊断应用研究 [J]. , 2015, 34(1): 145-150.
[12]
张恒;赵荣珍;. 故障特征选择与特征信息融合的加权KPCA方法研究 [J]. , 2014, 33(9): 89-93.
[13]
张龙;黄文艺;熊国良. 基于多尺度熵的滚动轴承故障程度评估 [J]. , 2014, 33(9): 185-189.
[14]
夏 虎 ;庄 健 ;周 璠 ;于德弘 . 采用多目标进化模型的无监督故障特征选择算法 [J]. , 2014, 33(8): 61-65.
[15]
李春银;王树林 . 汽车空调旋叶式压缩机排气阀片的振动特性 [J]. , 2014, 33(8): 186-191.