MOMED和雙譜熵在液壓泵退化特征提取中的應(yīng)用

田再克 李洪儒 王衛(wèi)國

摘要： 針對液壓泵振動(dòng)信號(hào)通常具有非線性強(qiáng)和信噪比低的特點(diǎn)，提出了一種基于多點(diǎn)最優(yōu)最小熵解卷積（Multipoint Optimal Minimum Entropy Deconvolution， MOMED）和雙譜熵（Bispectral Entropy）的液壓泵退化特征提取方法。首先針對最小熵解卷積（Minimum Entropy Deconvolution， MED）降噪效果受濾波器長度和迭代次數(shù)影響的問題，提出了一種多點(diǎn)最優(yōu)最小熵解卷積（MOMED）降噪方法，并利用MOMED對液壓泵原始振動(dòng)信號(hào)進(jìn)行處理，以降低原始信號(hào)中干擾成分的影響;然后采用雙譜分析提取雙譜熵作為退化特征，以提高對液壓泵退化狀態(tài)的反映能力;最后，通過對液壓泵性能退化試驗(yàn)實(shí)測振動(dòng)信號(hào)的應(yīng)用分析，驗(yàn)證了該方法的有效性。

關(guān)鍵詞： 故障診斷; 液壓泵; 雙譜分析; 退化狀態(tài)識(shí)別; MOMED

中圖分類號(hào)： TH165+.3; TN911.7 文獻(xiàn)標(biāo)志碼： A 文章編號(hào)： 1004-4523（2019）04-0730-09

DOI：10.16385/j.cnki.issn.1004-4523.2019.04.021

引 言

液壓泵是整個(gè)液壓系統(tǒng)的“心臟”，其性能好壞不僅直接影響液壓系統(tǒng)的可靠性，甚至對整個(gè)系統(tǒng)的安全運(yùn)行產(chǎn)生決定性的影響[1]。退化狀態(tài)識(shí)別是實(shí)現(xiàn)液壓泵故障預(yù)測的關(guān)鍵，由于液壓泵振動(dòng)信號(hào)往往受到流體壓縮性、泵源與伺服系統(tǒng)的流固耦合作用以及自身固有機(jī)械振動(dòng)的影響，呈現(xiàn)出非線性、非平穩(wěn)、非高斯的特點(diǎn)，使得傳統(tǒng)線性信號(hào)處理方法很難準(zhǔn)確識(shí)別液壓泵的退化狀態(tài)[2-3]。因此，有必要尋求一種有效的液壓泵退化特征提取方法，以滿足液壓泵故障預(yù)測的需要。

最小熵解卷積最早由Wiggins提出[4]，用于地震數(shù)據(jù)處理，提取數(shù)中的突變成分，通過迭代更新濾波器使信號(hào)恢復(fù)原本的簡單形狀。唐力偉等利用MED方法對快速譜峭度（Fast Spectral Kurtosis， FSK）方法進(jìn)行改進(jìn)，有效提取了滾動(dòng)軸承的微弱故障信號(hào)[5]。在MED的基礎(chǔ)上，Sawalhi等引入AR模型，將AR模型與MED結(jié)合，用于機(jī)械振動(dòng)信號(hào)的處理[6]。McDonald等則引入周期信息提出了最大相關(guān)峭度解卷積算法（Maximum Correlated Kurtosis Deconvolution，MCKD）[7]，以相關(guān)峭度為評(píng)價(jià)指標(biāo)，充分考慮了信號(hào)所含沖擊成分的周期特性，可通過迭代過程實(shí)現(xiàn)解卷積運(yùn)算，突出信號(hào)中被強(qiáng)烈噪聲所掩蓋的連續(xù)脈沖。

高階譜分析方法是近年來信號(hào)處理領(lǐng)域中涌現(xiàn)出來的一種新的數(shù)學(xué)工具，與傳統(tǒng)的信號(hào)處理方法不同，它可進(jìn)行非高斯信號(hào)處理[8-9]。雙譜是三階累積量的二次傅里葉變換，它保留了信號(hào)的相位信息，可以定量描述信號(hào)中與故障密切聯(lián)系的非線性相位耦合。本文在雙譜分析的基礎(chǔ)上，引入信息熵的概念，建立雙譜熵模型，提取雙譜熵作為液壓泵退化特征參量。

本文針對液壓泵退化特征提取問題，提出了基于多點(diǎn)最優(yōu)最小熵解卷積（MOMED）和雙譜熵相結(jié)合的退化特征提取方法。該方法首先利用MOMED對液壓泵振動(dòng)信號(hào)進(jìn)行處理，以減少干擾成分的影響;然后對處理后的數(shù)據(jù)進(jìn)行雙譜分析，提取雙譜熵作為退化特征量，通過仿真和實(shí)驗(yàn)信號(hào)對其液壓泵特征提取進(jìn)行了驗(yàn)證。