%0 Journal Article
%A 郑直1
%A 2
%A 李显泽1
%A 朱勇3
%A 王宝中1
%T 基于SGMD-Autogram的液压泵故障诊断方法研究
%D 2020
%R 
%J 振动与冲击
%P 234-241
%V 39
%N 23
%X <div style="line-height: 150%">辛几何模态分解方法(Symplectic Geometry Mode Decomposition, SGMD)存在特征信息分布过于分散问题、Autogram方法中的最大重复离散小波变换(Maximal Overlap Discrete Wavelet Packet Transform，MODWPT)存在特征提取能力不足问题，针对上述两问题，提出了基于SGMD-Autogram的新方法。首先，对实测液压泵多模态故障振动信号进行SGMD分解；其次，针对分解后产生的特征信息分布过于分散问题，提出基于最大无偏自相关谱峭度法，筛选含有丰富运行特征信息的模态分量为数据源，进而取代MODWPT，实现最优故障特征提取；最后，对数据源进行阈值处理，并基于频谱实现对液压泵故障的诊断。通过对比分析仿真和实测液压泵斜盘故障振动信号，验证了该方法可以有效地诊断斜盘故障。</div>
%U https://jvs.sjtu.edu.cn/CN/abstract/article_10039.shtml