Internal Leakage Detection in Hydraulic Actuators Using Empirical Mode Decomposition and Hilbert Spectrum
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The applicability of Hilbert-Huang transform (HHT) for internal leakage detection in valve-controlled hydraulic actuators is investigated in this paper. First, the actuator response to structured (periodic step) inputs directly applied to the control valve is analyzed. This procedure is a representative of an offline diagnosis scheme. Next, the capability of the approach toward online applications, whereby the actuator tracks unstructured (pseudorandom) position reference inputs in a closed-loop control scheme against a load, is examined. The pressure signal at one side of the actuator is decomposed into oscillatory functions called intrinsic mode functions (IMFs), and Hilbert transform is applied to each IMF to obtain the instantaneous amplitude. It is shown that the root mean square of the instantaneous amplitude associated with the first IMF establishes feature patterns that can be effectively used to detect internal leakage and its severity. Experimental tests show the effectiveness of the approach in detecting internal leakage values as low as 0.124 L/min (representing a reduction of approximately 2.6% of the available flow rate to move the actuator) during offline diagnosis and as low as 0.23 L/min (representing a reduction of approximately 5% of the available flow rate to move the actuator) when the actuator tracks reference position inputs online. This is done without having prior knowledge about the model of the actuator or leakage.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle