最大相關峭度解卷積的改進及在往復壓縮機氣閥故障診斷中的應用

王金東，李云峰，趙海洋，李彥陽

(東北石油大學機械科學與工程學院，黑龍江 大慶 163318)

氣閥作為往復壓縮機重要的功能性組件，長期處在交變沖擊載荷作用下，其內部構件極易發生故障【1】。閥蓋測點采集的振動信號呈高度非線性、非平穩性的特點，且往往表現為較強烈的噪聲突變和振幅畸變，基于傳統的振動信號分析故障診斷方法很難準確地提取故障特征【2】。

最小熵解卷積(Minimum Entropy Deconvolution，縮寫為MED)由Wiggins等提出。MED方法通過設計一個逆濾波器使信號的峭度達到最大化，從而消除信號中的噪聲。H.Endo等首次將其用于齒輪的故障診斷。MED方法的優點是能解卷積出單個脈沖特征【3】，但故障的沖擊成分具有周期性，為彌補MED方法的不足，McDonald等人【4】利用故障的周期性，通過迭代選擇最佳濾波系數，使濾波信號的相關峭度達到最大化，這種新的方法稱為最大相關峭度解卷積(MCKD)。MCKD方法的精確性在很大程度上取決于初始對故障周期的準確估計，而且當遇到波動周期時，其效果就會受到嚴重影響【5】。張曉濤等【6】提出一種改進MCKD的降噪方法。該方法采用雙向循環重構的濾波準則，具有較好的降噪效果，但也需要預估準確的故障周期。針對MCKD方法的局限性，本文對其進行了改進。新方法將自相關函數和雙向重構準則的相關峭度【7】相組合，應用于往復壓縮機故障診斷，可實現故障特征的準確提取。

熵值分析能檢測復雜信號穩定性，是非線性時間序列分析的一種新方法，在機械設備故障診斷領域得到了廣泛的應用【8】。……