一种基于LMD-SVD和IG-SVM的液压泵故障诊断方法

摘要

本发明公开了一种基于局部均值分解(local mean decomposition,LMD)、奇异值分解(singular value decomposition,SVD)和基于信息几何的支持向量机(information-geometric support vector machine,IG-SVM)的液压泵故障诊断方法，以提高小样本情况下故障诊断的精度。LMD作为一种自适应信号处理方法，可以自适应地将液压泵原始振动信号分解为有限个数的信号分量。然后应用SVD处理信号分量，压缩信号分量的数据量，提取更加简约稳定的故障特征向量。最后，应用IG-SVM对液压泵的故障状态进行分类，提高小样本情况下故障诊断的精度。本发明方法采用基于LMD-SVD-IGSVM的故障诊断方法，为液压泵提供了一套完整有效的小样本情况下的故障诊断方案，具有很好的实际工程应用价值。

主权项

一种基于LMD‑SVD和IG‑SVM的液压泵故障诊断方法，其特征在于：该方法的步骤如下：步骤(1)、应用LMD分解原始非线性非平稳的振动信号，得到有限数目的乘积函数(PF)信号分量；步骤(2)、应用SVD处理得到的PF信号分量，提取简约稳定的奇异值作为故障特征向量；步骤(3)、以提取的故障特征向量作为输入，应用IG‑SVM进行故障分类，确定当前液压泵的故障状态。