離心泵故障診斷研究現(xiàn)狀與發(fā)展趨勢(shì)

劉和明　劉艷

摘要：進(jìn)行離心泵故障診斷可以大幅提高泵的運(yùn)行平穩(wěn)性。概述離心泵故障的基本理論，分析振動(dòng)對(duì)離心泵的影響，介紹壓力脈動(dòng)與離心泵故障的聯(lián)系，闡述旋轉(zhuǎn)葉輪機(jī)械的故障原理及其診斷方法的研究現(xiàn)狀，展望離心泵故障診斷的發(fā)展趨勢(shì)，以期為離心泵故障診斷的進(jìn)一步研究提供參考。

關(guān)鍵詞：離心泵；故障診斷；研究現(xiàn)狀；發(fā)展趨勢(shì)

中圖分類號(hào)：TH311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-1161（2019）01-0070-06

離心泵具有結(jié)構(gòu)簡(jiǎn)單緊湊、安裝方便、運(yùn)行范圍廣等優(yōu)點(diǎn)，在工業(yè)、冶金、城市給排水、航天、航海等各個(gè)領(lǐng)域都有廣泛應(yīng)用。隨著離心泵應(yīng)用領(lǐng)域日益廣泛，維護(hù)與故障診斷在離心泵的使用中愈加重要。目前，國內(nèi)對(duì)離心泵的檢測(cè)和故障診斷仍處于起步階段，關(guān)于離心泵的研究一般都是對(duì)正常運(yùn)行狀態(tài)的性能進(jìn)行分析，而有關(guān)其故障或事故狀態(tài)下的性能研究還比較少。離心泵運(yùn)行狀態(tài)檢測(cè)的普遍方式仍是定期維護(hù)和定時(shí)保養(yǎng)，這不僅導(dǎo)致維修過度或保養(yǎng)欠缺，還可能因?yàn)椴荒苡行Ы鉀Q隱在故障而影響離心泵的正常工作。本課題對(duì)離心泵故障診斷的相關(guān)研究進(jìn)行概括總結(jié)，重點(diǎn)對(duì)離心泵的振動(dòng)、壓力脈動(dòng)及旋轉(zhuǎn)機(jī)械的故障機(jī)理和診斷方法進(jìn)行分析，并展望離心泵故障診斷的發(fā)展趨勢(shì)。

1 離心泵故障分類及特點(diǎn)

離心泵運(yùn)行故障可分為兩類：一是不合適的工作條件使泵發(fā)生故障，如不當(dāng)操作、零件加工精度不夠等，這類故障可通過更換部件或調(diào)整運(yùn)行參數(shù)排除；二是離心泵一直在故障或極端條件下運(yùn)行，使得泵系統(tǒng)故障越來越嚴(yán)重。離心泵故障特點(diǎn)主要有兩個(gè)：一是并發(fā)性，即離心泵的故障一般都是由多種故障并發(fā)引起；二是隨機(jī)性，即同一種泵在故障模式下的表現(xiàn)形式不一定相同。

2 離心泵的國內(nèi)外研究現(xiàn)狀

2.1 離心泵振動(dòng)研究現(xiàn)狀

離心泵振動(dòng)水平是評(píng)價(jià)泵運(yùn)行可靠性的一個(gè)重要指標(biāo)。離心泵振動(dòng)可分為流體誘導(dǎo)振動(dòng)和機(jī)械結(jié)構(gòu)振動(dòng)兩類。

軸承磨損、轉(zhuǎn)子不平衡及零件缺陷是引起機(jī)械結(jié)構(gòu)振動(dòng)的主要原因。其中：對(duì)由轉(zhuǎn)子不平衡引起機(jī)械結(jié)構(gòu)振動(dòng)的機(jī)理已有較為系統(tǒng)的研究，轉(zhuǎn)子不平衡的影響在很大程度上可以通過動(dòng)平衡技術(shù)來減小，采用柔性聯(lián)接可有效防止兩轉(zhuǎn)子間產(chǎn)生周期性的激勵(lì)源。軸承磨損是導(dǎo)致機(jī)械結(jié)構(gòu)振動(dòng)的另一重要原因，這可能是驅(qū)動(dòng)端與非驅(qū)動(dòng)端同時(shí)產(chǎn)生缺陷、也可能是單側(cè)磨損導(dǎo)致。軸承剛度不夠會(huì)引起離心泵的振動(dòng)，并且軸承耐磨性能差、軸瓦間隙過大和推力軸承以及其他滾動(dòng)軸承磨損也會(huì)加劇離心泵的振動(dòng)。殷洪權(quán)通過ADAMS建立了機(jī)組軸系的虛擬樣機(jī)模型，給出軸系建模辦法，表明通過適度調(diào)整泵軸和聯(lián)軸器等結(jié)構(gòu)可以使軸的固有頻率避開轉(zhuǎn)子的工作頻率，從而減小振動(dòng)。Khalifa研究了葉輪切割對(duì)離心泵性能的影響，指出不同形狀的葉輪切割均會(huì)使葉片與隔舌間隙增大，從而使泵內(nèi)壓力脈動(dòng)與振動(dòng)減小。蔣愛華等人采用相空間重構(gòu)的方法確定影響離心泵系統(tǒng)振動(dòng)特性因素的數(shù)量。Srivastav等人研究了葉頂間隙對(duì)離心泵結(jié)構(gòu)振動(dòng)的影響，指出隨著葉頂間隙的增大泵的振動(dòng)會(huì)逐漸降低。趙萬勇等人研究了內(nèi)流對(duì)離心泵轉(zhuǎn)子振動(dòng)的影響，建立了符合泵轉(zhuǎn)子振動(dòng)的分析理論，并指出應(yīng)綜合應(yīng)用各種獨(dú)立故障的分析方法來研究離心泵的運(yùn)行故障。

與機(jī)械結(jié)構(gòu)振動(dòng)研究的日漸成熟相比，離心泵流體誘導(dǎo)振動(dòng)研究還需深入。流體誘導(dǎo)振動(dòng)主要是由流動(dòng)分離、空化、失速及漩渦等不穩(wěn)定流動(dòng)產(chǎn)生的壓力脈動(dòng)引起的。數(shù)值計(jì)算和試驗(yàn)測(cè)試是研究壓力脈動(dòng)的兩種主要方法。在數(shù)值計(jì)算方面，Zhang N等人分析了斜坡式蝸殼對(duì)離心泵內(nèi)壓力脈動(dòng)的影響，結(jié)果表明，斜坡式蝸殼能夠明顯降低泵內(nèi)壓力脈動(dòng)。Spence等人研究了隔舌位置、導(dǎo)葉安放形式和口環(huán)間隙等對(duì)壓力脈動(dòng)的影響，發(fā)現(xiàn)壓力脈動(dòng)頻譜主要受葉輪與隔舌間動(dòng)靜干涉的影響。Gao B等人對(duì)低比速離心泵內(nèi)壓力脈動(dòng)進(jìn)行研究，結(jié)果表明，工況對(duì)不同測(cè)點(diǎn)壓力脈動(dòng)幅值有較大影響，壓力脈動(dòng)主頻在葉頻。Asim等人研究了離心泵蝸殼內(nèi)壓力脈動(dòng)，發(fā)現(xiàn)葉輪與隔舌動(dòng)靜干涉對(duì)隔舌附近的二次流有明顯影響。Zhang Y等人采用大渦模擬方法分析了離心泵蝸殼內(nèi)壓力脈動(dòng)，發(fā)現(xiàn)壓力脈動(dòng)在隔舌處最大。崔寶玲等人研究了復(fù)合葉輪離心泵內(nèi)的壓力脈動(dòng)，發(fā)現(xiàn)葉輪和蝸殼的動(dòng)靜耦合是產(chǎn)生壓力脈動(dòng)的主要原因，且主頻受軸頻控制。王福軍等人分析了雙蝸殼離心泵內(nèi)的壓力脈動(dòng)，發(fā)現(xiàn)隔板和隔舌處壓力脈動(dòng)頻率在大流量下均為葉頻，小流量下以軸頻為主。祝磊等人分析了不同隔舌型式對(duì)離心泵內(nèi)壓力脈動(dòng)的影響，發(fā)現(xiàn)采用短舌和中舌有利于降低離心泵內(nèi)的壓力脈動(dòng)。姚志峰等人分析了雙吸離心泵內(nèi)的壓力脈動(dòng)，結(jié)果表明，在吸水室和壓水室內(nèi)壓力脈動(dòng)的特征頻率主要是軸頻及低于軸頻的頻率。黃茜等人研究了流量對(duì)離心泵內(nèi)壓力脈動(dòng)，結(jié)果表明，流量越小泵內(nèi)壓力脈動(dòng)越大。在試驗(yàn)測(cè)試方面，Parrondo等人研究了離心泵葉片附件的壓力脈動(dòng)，發(fā)現(xiàn)泵內(nèi)壓力脈動(dòng)強(qiáng)度主要由葉片與隔舌的動(dòng)靜干涉決定。Dong R等人的試驗(yàn)結(jié)果表明，隔舌是離心泵內(nèi)壓力脈動(dòng)的主要激勵(lì)源。Mele等人通過試驗(yàn)測(cè)試了轉(zhuǎn)速對(duì)離心泵流動(dòng)振動(dòng)的影響，發(fā)現(xiàn)隨轉(zhuǎn)速的增加流動(dòng)誘導(dǎo)振動(dòng)也不斷增強(qiáng)。陳長盛測(cè)試了不同轉(zhuǎn)速下船用離心泵的振動(dòng)特性，發(fā)現(xiàn)振動(dòng)大小與轉(zhuǎn)速的4～9次方成正比。周林玉對(duì)偏工況下離心泵內(nèi)的壓力脈動(dòng)進(jìn)行了試驗(yàn)分析，指出小流量下葉輪出口壓力脈動(dòng)主頻不再是葉片通過頻率，并且頻譜寬度明顯增大。陳斌測(cè)試了單葉片螺旋離心泵內(nèi)的壓力脈動(dòng)，發(fā)現(xiàn)壓力脈動(dòng)在葉片圓周厚度1/3處時(shí)最小。蔡建程測(cè)試了離心泵隔舌附近的壓力脈動(dòng)，發(fā)現(xiàn)隔舌附近的壓力脈動(dòng)以離散分量為主，且其強(qiáng)度隨著流量的減小逐漸增大。

綜上所述，目前已經(jīng)開展了大量有關(guān)離心泵振動(dòng)的研究，但有關(guān)離心泵故障狀態(tài)下運(yùn)行特性的研究還比較缺乏，因此未來需要加強(qiáng)通過壓力脈動(dòng)和振動(dòng)數(shù)據(jù)分析來辨別不同故障類型方面的研究。

2.2 旋轉(zhuǎn)機(jī)械故障機(jī)理研究現(xiàn)狀

離心泵是一種典型的旋轉(zhuǎn)機(jī)械。旋轉(zhuǎn)機(jī)械由于其性能穩(wěn)定、噪音小、自動(dòng)化程度高等優(yōu)點(diǎn)，在工業(yè)和生活領(lǐng)域中被廣泛使用。隨著旋轉(zhuǎn)機(jī)械應(yīng)用領(lǐng)域的增加，其發(fā)生故障的形式也變得多種多樣，因而對(duì)旋轉(zhuǎn)機(jī)械故障機(jī)理的研究也逐漸增多。Samira等人采用帕克變換和希爾伯特變換分析了感應(yīng)電動(dòng)機(jī)的機(jī)械故障信號(hào)。Sohre對(duì)系統(tǒng)總結(jié)了旋轉(zhuǎn)機(jī)械的典型故障，并歸納為9類37種。Chuan Li等人采用形態(tài)小波分析了滾動(dòng)軸承的監(jiān)測(cè)信號(hào)，成功消除了其中的隨機(jī)噪聲。王洪杰等人提出把分頻段控制技術(shù)和信號(hào)處理方法相結(jié)合的故障診斷方法，并對(duì)鍋爐給水泵常見故障進(jìn)行歸類與分析。程軍圣等人的研究表明，基于局部均值分解的能量算子解調(diào)方法能夠有效提取設(shè)備故障振動(dòng)信號(hào)。朱俊對(duì)多級(jí)離心泵葉輪堵塞、葉片斷裂、氣蝕、口環(huán)磨損等4種常見故障進(jìn)行了研究，提出一種基于工藝參數(shù)和振動(dòng)的泵效率降低的監(jiān)測(cè)方法。趙鵬采用遞歸定量分析理論對(duì)Elman神經(jīng)網(wǎng)絡(luò)進(jìn)行了改進(jìn)，并應(yīng)用于離心泵的振動(dòng)信號(hào)提取。張曉清等人總結(jié)了常見的離心泵故障類型，并給出一些處理方法。

雖然目前有較多關(guān)于旋轉(zhuǎn)機(jī)械故障機(jī)理方面的研究，但由于其結(jié)構(gòu)形式的多樣性，且多數(shù)情況下故障的發(fā)生并不是由單一故障引起，這些都給旋轉(zhuǎn)機(jī)械的故障機(jī)理探索帶來了挑戰(zhàn)，因此未來仍需深入研究旋轉(zhuǎn)機(jī)械的故障形成機(jī)理。

2.3 旋轉(zhuǎn)機(jī)械故障診斷研究現(xiàn)狀

旋轉(zhuǎn)機(jī)械故障診斷方法較多，大多是通過檢測(cè)電壓、電流、流量、壓力、振動(dòng)和噪聲這幾個(gè)方面來進(jìn)行診斷，從原理上可分為3類：基于模式識(shí)別故障診斷、基于控制模型故障診斷及基于人工智能故障診斷。

2.3.1 基于模式識(shí)別的故障診斷 基于模式識(shí)別的故障診斷是根據(jù)機(jī)械的故障表現(xiàn)形式，選擇相應(yīng)的模式識(shí)別方法進(jìn)行診斷，其本質(zhì)上就是一個(gè)模式識(shí)別的過程。對(duì)旋轉(zhuǎn)機(jī)械故障主要是應(yīng)用模式分類器來檢測(cè)提取出來的各類特征信號(hào)，再進(jìn)行分類和辨別。王峰采用人工免疫應(yīng)用模式識(shí)別方法分析了汽輪機(jī)組故障時(shí)的振動(dòng)信號(hào)，通過對(duì)信號(hào)參數(shù)的識(shí)別和分類，表明該方法具有一定的適用性。馮長建應(yīng)用多觀測(cè)變量和多樣本的隱Markov模型對(duì)旋轉(zhuǎn)機(jī)械啟動(dòng)過程振動(dòng)模式的故障診斷進(jìn)行了研究，取得了很好的診斷效果。針對(duì)不同的故障有不同的模式識(shí)別，因而，能否準(zhǔn)確判斷故障類型就對(duì)系統(tǒng)的模式識(shí)別分類的準(zhǔn)確度和精確度提出了一定的要求，如何提高可識(shí)別模式的種類和精度與準(zhǔn)確度將會(huì)是下一步的研究方向。

2.3.2 基于控制模型的故障診斷 基于控制模型的故障診斷是將現(xiàn)實(shí)所得的數(shù)據(jù)與數(shù)據(jù)庫中的標(biāo)準(zhǔn)數(shù)據(jù)進(jìn)行比對(duì)獲得殘差，再將殘差與標(biāo)準(zhǔn)值相對(duì)比，進(jìn)而獲得診斷結(jié)果。狀態(tài)估計(jì)和參數(shù)選擇是該方法的關(guān)鍵和難點(diǎn)。史軍杰等人基于因式分解法建立了離心泵管道系統(tǒng)模型，并對(duì)模型系統(tǒng)進(jìn)行了故障診斷研究，仿真試驗(yàn)表明該方法有一定的可靠性，但未涉及故障定位和故障狀態(tài)評(píng)估。陳安華等人給出了一種轉(zhuǎn)子系統(tǒng)非線性振動(dòng)的辨識(shí)建模方法，該模型可對(duì)故障信號(hào)進(jìn)行在線建模。周云龍等建立了一種連續(xù)隱Markov模型與自回歸譜分析相結(jié)合的方法，并應(yīng)用到對(duì)離心泵的故障診斷中，取得了良好的效果。

2.3.3 基于人工智能的故障診斷 由于故障表現(xiàn)形式各不相同，傳統(tǒng)的故障診斷技術(shù)很難進(jìn)行精確的故障診斷。針對(duì)復(fù)雜故障形式，基于人工智能的故障診斷技術(shù)逐漸成為主流。最近幾年，隨著有關(guān)智能分析和信號(hào)分析技術(shù)研究的深入，主流的智能故障診斷可以分為小波變換、支持向量機(jī)、人工免疫和盲源分離等幾類，但主要有3種：基于神經(jīng)網(wǎng)絡(luò)的故障診斷、基于知識(shí)的故障診斷和基于支持向量機(jī)的故障診斷。

1） 基于神經(jīng)網(wǎng)絡(luò)的故障診斷。人工神經(jīng)網(wǎng)絡(luò)具有優(yōu)秀的學(xué)習(xí)能力、優(yōu)秀的函數(shù)逼近功能以及強(qiáng)大的自適應(yīng)性。Samanta探索了人工神經(jīng)網(wǎng)絡(luò)在故障診斷中的應(yīng)用，結(jié)果發(fā)現(xiàn)徑向基函數(shù)網(wǎng)絡(luò)、多層感知器和概率神經(jīng)網(wǎng)絡(luò)算法可以用于齒輪故障振動(dòng)信號(hào)的診斷。周云龍等人基于BP神經(jīng)網(wǎng)絡(luò)提出將反向轉(zhuǎn)播的遺傳算法與經(jīng)驗(yàn)?zāi)Ｊ椒纸饨Y(jié)合用于離心泵汽蝕故障診斷。侯祥林等人將多層感知器神經(jīng)網(wǎng)絡(luò)算法和分形計(jì)算維數(shù)概念相結(jié)合，提出了分形神經(jīng)網(wǎng)絡(luò)診斷算法的方法。魏效玲等人成功應(yīng)用BP神經(jīng)網(wǎng)絡(luò)對(duì)離心泵的故障進(jìn)行了診斷。梁超分析了離心泵不同工況下振動(dòng)信號(hào)的相空間復(fù)雜網(wǎng)絡(luò)動(dòng)力學(xué)特性，對(duì)不同的振動(dòng)故障進(jìn)行定量地遞歸分析，從而對(duì)不同振動(dòng)故障狀態(tài)進(jìn)行診斷。印洪浩等人設(shè)計(jì)建立了SOM神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)了船用離心泵運(yùn)行故障的智能診斷。近年來基于神經(jīng)網(wǎng)絡(luò)的故障診斷方法以其獨(dú)特的優(yōu)勢(shì)發(fā)展迅速，但由于需要大量的訓(xùn)練樣本，因此在實(shí)際應(yīng)用中仍有一定的局限性。

2） 基于知識(shí)的故障診斷。基于知識(shí)的故障診斷主要是指專家系統(tǒng)，即對(duì)數(shù)據(jù)信號(hào)運(yùn)用知識(shí)庫中已有的規(guī)則進(jìn)行推理，再根據(jù)實(shí)際情況修改推理策略，從而對(duì)系統(tǒng)故障類型進(jìn)行準(zhǔn)確定位。其中，知識(shí)庫的完善程度決定了專家系統(tǒng)的診斷水平。席玉潔歸納總結(jié)了離心泵的常見故障并進(jìn)行了機(jī)理分析，建立了適用于離心泵故障診斷邏輯的專家系統(tǒng)。韓延喆采用貝葉斯網(wǎng)絡(luò)推理方法建立了一種高速離心泵故障診斷專家系統(tǒng)。基于知識(shí)的故障診斷是目前主流的故障診斷方向。雖然其具有即時(shí)故障推理，并能根據(jù)實(shí)際進(jìn)行調(diào)整方案的優(yōu)點(diǎn)，但也不可避免地對(duì)數(shù)據(jù)庫內(nèi)規(guī)則和處理方案的完善程度提出了一定的要求。可見，該診斷系統(tǒng)未來的發(fā)展方向?qū)?huì)偏于數(shù)據(jù)庫的擴(kuò)充與完善。

3） 基于支持向量機(jī)的故障診斷。Vapnik基于統(tǒng)計(jì)學(xué)理論首次提出了支持向量機(jī)（Support Vector Machine，SVM）的模式識(shí)別方法，該方法在小樣本、非線性及高維模式識(shí)別等方面具有較為明顯的優(yōu)勢(shì)。翟永杰等人提出了基于錯(cuò)分樣本變數(shù)的變?cè)隽康惴ǎ倪M(jìn)了多類支持向量機(jī)的算法，在小樣本的情況下成功用于汽輪發(fā)電機(jī)組的故障診斷。Samanta等人以軸承故障診斷為研究對(duì)象，將SVM與神經(jīng)網(wǎng)絡(luò)方法進(jìn)行了對(duì)比，發(fā)現(xiàn)SVM方法具有更強(qiáng)的最優(yōu)解逼近能力。趙鵬等人提出一種基于最小二乘支持向量機(jī)和EMD復(fù)雜度特征的離心泵振動(dòng)故障診斷方法，取得了較好的效果。顧小軍根據(jù)模式識(shí)別系統(tǒng)和旋轉(zhuǎn)機(jī)械故障診斷的要求設(shè)計(jì)了實(shí)時(shí)振動(dòng)信號(hào)采集系統(tǒng)，并結(jié)合LabVIEW和MATLAB實(shí)現(xiàn)了基于SVM故障識(shí)別系統(tǒng)。洪君等人則提出將SVM和HHT方法相結(jié)合的離心泵振動(dòng)信號(hào)故障診斷方法，并通過試驗(yàn)證明了該方法具有較高的診斷率。萬毅等人基于SVM方法構(gòu)建了離心泵的磨損特性分析和優(yōu)化的智能模型，并與神經(jīng)網(wǎng)絡(luò)算法進(jìn)行了比較，發(fā)現(xiàn)SVM方法具有更高的預(yù)測(cè)精度。朱霄珣分析了SVM模型中訓(xùn)練特征選取、參數(shù)確定以及核函數(shù)選擇等關(guān)鍵問題，建立了基于SVM的轉(zhuǎn)子振動(dòng)故障診斷智能模型。楊野提出了基于支持向量機(jī)和粗糙集的故障診斷方法，并應(yīng)用于離心泵汽蝕故障診斷，結(jié)果表明，支持向量機(jī)可準(zhǔn)確快速地識(shí)別不同類型的汽蝕故障。基于向量機(jī)的故障診斷在模式識(shí)別、小樣本和非線性等多方面具有較大的優(yōu)勢(shì)，但在實(shí)際診斷過程中易受系統(tǒng)內(nèi)部噪聲以及周圍因素的干擾，從而影響診斷的準(zhǔn)確度。因此，如何排除外來以及系統(tǒng)內(nèi)的干擾，將會(huì)是該模式診斷的下一步研究方向。

3 離心泵故障診斷研究展望

對(duì)離心泵故障診斷的研究目前仍處于剛起步的狀態(tài)，需要在以下兩個(gè)方面進(jìn)行更為深入的研究：一是加強(qiáng)離心泵故障診斷的機(jī)理研究。主要包括離心泵各種單一故障以及并發(fā)故障下泵結(jié)構(gòu)振動(dòng)噪聲和內(nèi)部流動(dòng)誘導(dǎo)噪聲的運(yùn)行規(guī)律，從而為故障診斷提供依據(jù)，其中各類信號(hào)的分離、提取和識(shí)別將會(huì)是一個(gè)難點(diǎn)。二是發(fā)展集多個(gè)智能故障診斷系統(tǒng)于一體的新型智能故障診斷系統(tǒng)。目前主流的智能故障診斷方法都需要滿足特定的條件才能夠使用，而且各自都具有不同的優(yōu)缺點(diǎn)。將不同的診斷方法進(jìn)行合理配合，取長補(bǔ)短，能夠發(fā)揮出超過原有診斷系統(tǒng)的功能。開發(fā)一個(gè)基于物聯(lián)網(wǎng)的兼具智能診斷方法、智能監(jiān)控系統(tǒng)以及智能故障預(yù)警的新型故障診斷系統(tǒng)將是未來故障診斷的研究方向。

參考文獻(xiàn)

[1] 聞邦春.高等轉(zhuǎn)子動(dòng)力學(xué)[M].北京：機(jī)械工業(yè)出版社，1998.

[2] 蔣愛華.流體激勵(lì)誘發(fā)離心泵基座振動(dòng)的研究[D].上海：上海交通大學(xué)，2012.

[3] 劉超.離心泵振動(dòng)故障分析及排查措施[J].化工設(shè)備與管道，2016，53（4）：64-65，84.

[4] 劉超，王中良，于濤，等.離心泵振動(dòng)原因分析[J].管道技術(shù)與設(shè)備，2015（1）：30-32.

[5] 殷洪權(quán).大型多級(jí)離心泵機(jī)組軸系的扭轉(zhuǎn)振動(dòng)分析[J].化工設(shè)備與管道，2014，51（5）：57-61.

[6] KHALIFA A E.Effect of blade exit shape on performance and vibration of a double volute centrifugal pump[J].International Journal of Materials Mechanics and Manufacturing，2014，2（4）：261-264.

[7] 蔣愛華，周璞，章藝，等.基于相空間重構(gòu)離心泵基礎(chǔ)振動(dòng)的研究[J].農(nóng)業(yè)工程學(xué)報(bào)，2014，30（2）：56-62.

[8] SRIVASTAV O P，PANDU K R，GUPTA K.Effect of radial gap between impeller and diffuser on vibration and noise in a centrifugal pump[J].Journal of the Institution of Engineers，2003，74（1）：36-39.

[9] 趙萬勇，白雙寶，馬鵬飛.離心泵轉(zhuǎn)子振動(dòng)研究現(xiàn)狀與展望[J].流體機(jī)械，2011，39（3）：37-39.

[10] 周林玉.偏離工況下離心泵的壓力脈動(dòng)和振動(dòng)分析[J].流體機(jī)械，2015，43（2）：52-55.

[11] ZHANG N，YANG M G，GAO B，et al.Experimental investigation on unsteady pressure pulsation in a centrifugal pump with special slope volute[J].Journal of Fluids Engineering，2015，137（6）：57-59.

[12] ZHANG N，YANG M，LI Z，et al.Pressure pulsation of centrifugal pump with tilt volute[J].Chinese Journal of Mechanical Engineering，2012，48（14）：164-168.

[13] SPENCE R，AMARAL-TEIXEIRA J.A CFD parametric study of geometrical variations on the pressure pulsations and performance characteristics of a centrifugal pump[J].Computers & Fluids，2009，38（6）：1 243-1 257.

[14] GAO B，GUO P，ZHANG N，et al.Unsteady pressure pulsation measurements and analysis of a low specific speed centrifugal pump[J].Journal of Fluids Engineering，2017（3）：89-92.

[15] GAO B，ZHANG N，LI Z，et al.Influence of the blade trailing edge profile on the performance and unsteady pressure pulsations in a low specific speed centrifugal pump[J].Journal of Fluids Engineering，2016，138（5）：132-136.

[16] ASIM T，MISHRA R.Large eddy simulation based analysis of complex flow structures within the volute of a vaneless centrifugal pump[J].Sādhanā，2017（4）：1-12.

[17] ZHANG Y，ZHANG Y，ZHANG J，et al.Study on pressure pulsation in the volute of a centrifugal pump by large eddy simulation[C].ASME 2014 International Mechanical Engineering Congress and Exposition.American Society of Mechanical Engineers，2014.

[18] 崔寶玲，許文靜，朱祖超，等.低比轉(zhuǎn)速復(fù)合葉輪離心泵內(nèi)的非定常流動(dòng)特性[J].化工學(xué)報(bào)，2011，62（11）：3 093-3 100.

[19] 楊敏，閔思明，王福軍.雙蝸殼泵壓力脈動(dòng)特性及葉輪徑向力數(shù)值模擬[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2009，40（11）：83-88.

[20] 叢國輝，王福軍.雙吸離心泵隔舌區(qū)壓力脈動(dòng)特性分析[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2008，39（6）：60-63.

[21] 祝磊，袁壽其，袁建平，等.不同型式隔舌離心泵動(dòng)靜干涉作用的數(shù)值模擬[J].農(nóng)業(yè)工程學(xué)報(bào)，2011，27（10）：50-55.

[22] 姚志峰，王福軍，肖若富，等.離心泵壓力脈動(dòng)測(cè)試關(guān)鍵問題分析[J].排灌機(jī)械工程學(xué)報(bào)，2010，28（3）：219-223.

[23] 姚志峰，王福軍，肖若富，等.雙吸離心泵吸水室和壓水室壓力脈動(dòng)特性試驗(yàn)研究[J].水力學(xué)報(bào)，2012，43（4）：474-479.

[24] 黃茜，袁壽其，方玉建，等.多級(jí)離心泵多工況壓力脈動(dòng)數(shù)值模擬[J].中國農(nóng)村水利水電，2016（10）：191-195.

[25] PARRONDO-GAYO J L，GONZALEZ-PEREZ J，F(xiàn)ERNANDEZ-FRANCOS J.The effect of the operating point on the pressure fluctuations at the blade passage frequency in the volute of a centrifugal pump[J].ASME Journal of Fluids Engineering，2002，124（3）：784-790.

[26] DONG R，CHU S，KATZ J.Effect of modification to tongue and impeller geometry variations on the pressure pulsations and performance in centrifugal pump[J].ASME Journal of Turbomachinery，1997，119（3）：506-515.

[27] MELE J，GUZZOMI A，PAN J.Correlation of centrifugal pump vibration to unsteady flow under variable motor speed[J].Mechanics & Industry，2014，15（6）：525-534.

[28] 陳長盛，馬俊，柳瑞鋒，等.運(yùn)行工況對(duì)離心泵振動(dòng)影響的試驗(yàn)研究[J].噪聲和振動(dòng)控制，2012（6）：199-202.

[29] 周林玉.偏離工況下離心泵的壓力脈動(dòng)和振動(dòng)分析[J].流體機(jī)械，2014，43（2）：52-55.

[30] 陳斌，張華，李國鋒，等.半開式單葉片螺旋離心泵葉輪內(nèi)部壓力脈動(dòng)研究[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2016，47（10）：73-77.

[31] 蔡建程，潘杰，GUZZOMI ANDREW.離心泵隔舌區(qū)壓力脈動(dòng)測(cè)量與分析[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2015，46（6）：92-96.

[32] SAMIRA BEN SALEM，KHMAIS BACHA，ABDELKADER CHAARI.Support vector machine based decision for mechanical fault condition monitoring in induction motor using an advanced Hilbert-Park transform[J].ISA Transactions，2012，51（5）：566-572.

[33] Sohre J S.Trouble-shooting to stop vibration of centrifugal[J].Petro/Chem Engineer，1998（6）：69-73.

[34] CHUAN LI，MING LIANG，YI ZHANG，et al.Multi-scale autocorrelation via morphological wavelet slices for rolling element bearing fault diagnosis[J].Mechanical Systems and Signal Processing，2012（31）：428-446.

[35] 王洪杰，劉全忠，季天晶，等.鍋爐給水泵故障機(jī)理及診斷技術(shù)的研究[J].節(jié)能技術(shù)，2004，22（6）：30-31.

[36] 程軍圣，楊怡，楊宇.基于LMD的能量算子解調(diào)機(jī)械故障診斷方法[J].振動(dòng)、測(cè)試與診斷，2012，32（6）：915-919.

[37] 朱俊.多級(jí)離心泵性能下降故障機(jī)理分析及診斷方法研究[D].北京：北京化工大學(xué)，2016.

[38] 趙鵬，周云龍，孫斌.遞歸定量分析在離心泵故障診斷中的運(yùn)用[J].振動(dòng)、測(cè)試與診斷，2010，30（6）：612-616.

[39] 張曉清.離心泵常見故障分析及處理[J].寧夏工程技術(shù)，2011，10（4）：356-358.

[40] 顧志勇.離心泵常見故障分析及處理措施[J].純堿工業(yè)，2016（6）：39-40.

[41] 張震華，姜蘇蘇.淺談離心式水泵工作原理及常見故障原因[J].南方農(nóng)機(jī)，2014（4）：30-31.

[42] 曹沖鋒.基于EMD的機(jī)械振動(dòng)分析與診斷方法研究[D].杭州：浙江大學(xué)，2009.

[43] 王峰.基于模式識(shí)別的汽輪機(jī)組振動(dòng)故障診斷方法的研究[D].北京：華北電力大學(xué)，2009.

[44] 馮長建.HMM動(dòng)態(tài)模式識(shí)別理論、方法以及在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用[D].杭州：浙江大學(xué)，2002.

[45] FRANK.P.M.Fault diagnosis in dynamic systems using analytical and knowledge-based redundancy：A survey and some new results[J].Automatics，1990，26（3）：459-474.

[46] 陳玉東，施頌椒，翁正新.動(dòng)態(tài)系統(tǒng)的故障診斷方法綜述[J].化工自動(dòng)化及儀表，2001，28（3）：1-14.

[47] 史軍杰，王美霞.基于模型的離心泵故障診斷設(shè)計(jì)[J].自動(dòng)化與儀器儀表，2014（12）：68-70.

[48] 陳安華，鐘掘.轉(zhuǎn)子系統(tǒng)非線性振動(dòng)的辨識(shí)建模[J].中國有色金屬學(xué)報(bào)，1997，7（3）：159-163.

[49] 周云龍，柳長昕，趙鵬，等.基于自回歸-連續(xù)隱馬爾可夫模型的離心泵故障診斷[J].中國電機(jī)工程學(xué)報(bào)，2008，28（20）：88-93.

[50] 吳金培，肖建華.智能故障診斷與專家系統(tǒng)[M].北京：科學(xué)出版社，1997.

[51] SAMANTA B.Artificial neural networks and genetic algorithms for gear fault detection[J].Mechanical Systems and Signal Processing，2004，18（5）：1 273-1 282.

[52] 周云龍，吳昱.基于EMD與GA-BP網(wǎng)絡(luò)的離心泵汽蝕故障診斷[J].化工自動(dòng)化及儀表，2014（41）：660-664.

[53] 侯祥林，李永強(qiáng)，虞和濟(jì).非線性機(jī)械設(shè)備系統(tǒng)的分形神經(jīng)網(wǎng)絡(luò)診斷方法[J].振動(dòng)工程學(xué)報(bào)，2001，14（2）：220-223.

[54] 魏效玲，王杰華，陳稚文，等.基于BP神經(jīng)網(wǎng)絡(luò)的離心泵故障診斷方法研究[J].煤礦機(jī)械，2013，34（2）：244-245.

[55] 梁超.復(fù)雜網(wǎng)絡(luò)在離心泵故障診斷中的應(yīng)用[D].吉林：東北電力大學(xué)，2014.

[56] 印洪浩，彭中波.船用離心泵故障SOM網(wǎng)絡(luò)診斷方法[J].中國航海，2012，35（2）：24-28.

[57] 吳金培.智能故障診斷技術(shù)的發(fā)展和展望[J].振動(dòng)、測(cè)試與診斷，1999，19（2）：79-86.

[58] 譚巨興，張清華，王欽若，等.旋轉(zhuǎn)機(jī)械設(shè)備智能故障診斷方法的研究[J].工業(yè)控制計(jì)算機(jī)，2016，29（1）：36-38.

[59] 席玉潔.離心泵故障診斷專家系統(tǒng)的應(yīng)用研究[D].北京：北京化工大學(xué)，2011.

[60] 韓延喆，劉波峰，張俊，等.基于貝葉斯網(wǎng)絡(luò)的超速離心機(jī)故障診斷專家系統(tǒng)研究[J].傳感器與位系統(tǒng)，2012，31（2）：39-44.

[61] B.BOSER，L.GUYON，V.VAPNIK.A Training Algorithm for Optimal Margin Classifier[C].In Fifth annual Workshop on Computational Learning Theory.Baltimore：ACM Press，1992.

[62] 翟永杰，王東風(fēng)，韓璞.基于多類支持向量機(jī)的汽輪發(fā)電機(jī)組故障診斷[J].動(dòng)力工程，2003，23（5）：2 694-2 698.

[63] JACK L B，NANDI A K.Fault detection using support vector machines and artificial neural networks， augmented by genetically algorithms[J].Mechanical Systems and Signal Processing，2002，16（3）：373-390.

[64] 趙鵬，周云龍，孫斌.基于經(jīng)驗(yàn)?zāi)Ｊ椒纸鈴?fù)雜度特征和最小二乘支持向量機(jī)的離心泵振動(dòng)故障診斷[J].中國電機(jī)工程學(xué)報(bào)，2009，29（1）：138-144.

[64] 顧小軍.面向旋轉(zhuǎn)機(jī)械的支持向量機(jī)方法及智能故障診斷系統(tǒng)研究[D].杭州：浙江大學(xué)，2006.

[65] 洪君，樊志華，李玉婷.HHT與SVM在離心泵故障振動(dòng)信號(hào)處理中的應(yīng)用[J].吉林電力，2009，37（2）：26-29.

[66] 萬毅.基于支持向量機(jī)的離心泵磨損特性分析方法[J].水利學(xué)報(bào)，2010，41（4）：488-492.

[67] 朱霄珣.基于支持向量機(jī)的旋轉(zhuǎn)機(jī)械故障診斷與預(yù)測(cè)方法研究[D].北京：華北電力大學(xué)，2013.

[68] 楊野.基于粗糙集和支持向量機(jī)的離心泵汽蝕故障診斷[J].軟件導(dǎo)刊，2011，10（11）：43-44.（下轉(zhuǎn)第77頁）