基于KPEMD與INFO-SVM的柱塞泵故障診斷

赫 婷, 黃晉英, 胡孟楠, 張建飛

(1.中北大學(xué) 機(jī)械工程學(xué)院, 山西 太原 030051; 2.中北大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院, 山西 太原 030051)

0 引 言

轉(zhuǎn)轍機(jī)作為鐵路道岔轉(zhuǎn)換的基礎(chǔ)機(jī)械設(shè)備, 對(duì)列車(chē)安全行駛至關(guān)重要。柱塞泵在轉(zhuǎn)轍機(jī)工作過(guò)程中將機(jī)械能轉(zhuǎn)化為液壓能, 提供了轉(zhuǎn)換動(dòng)力[1]。但柱塞泵的實(shí)際工作環(huán)境較為復(fù)雜, 經(jīng)常會(huì)受到較大的沖擊載荷, 這會(huì)導(dǎo)致輸出不穩(wěn)定, 從而影響鐵路道岔的正常轉(zhuǎn)換, 甚至造成重大安全事故。因此, 對(duì)轉(zhuǎn)轍機(jī)柱塞泵的運(yùn)行狀態(tài)進(jìn)行及時(shí)監(jiān)測(cè)與診斷是一項(xiàng)非常必要的工作。振動(dòng)信號(hào)中含有豐富的運(yùn)行狀態(tài)信息, 但故障出現(xiàn)時(shí), 信號(hào)往往呈現(xiàn)非線性與非平穩(wěn)性, 且故障特征在強(qiáng)噪聲中非常微弱, 因此, 從振動(dòng)信號(hào)中及時(shí)提取敏感故障特征并進(jìn)行有效故障識(shí)別是故障診斷的關(guān)鍵[2]。

在柱塞泵的振動(dòng)信號(hào)分析中, 經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)及其改進(jìn)算法由于其較強(qiáng)的自適應(yīng)能力而被廣泛應(yīng)用。劉生政等[3]采用最小熵反褶積與集成經(jīng)驗(yàn)?zāi)B(tài)分解(EEMD)相結(jié)合的方法有效提取了軸向柱塞泵的松靴故障特征; 姜萬(wàn)錄等使用CEEMD和模糊熵結(jié)合的方法提取了柱塞泵的退化特征, 退化狀態(tài)識(shí)別的準(zhǔn)確率明顯提高[4]; 蔣玲莉等將CEEMDAN與排列熵相結(jié)合, 對(duì)螺旋錐齒輪故障特征進(jìn)行了提取, 并通過(guò)支持向量機(jī)模型進(jìn)行了有效故障識(shí)別[5]。但是, 這類(lèi)算法都是通過(guò)添加不同白噪聲序列而實(shí)現(xiàn)的, 依賴于原EMD方法對(duì)白噪聲信號(hào)的分解性能及添加白噪聲的數(shù)目和大小, 依舊會(huì)導(dǎo)致同頻率IMF被分到相鄰兩個(gè)或多個(gè)IMF中以及產(chǎn)生虛假分量, 因此, 不能最大限度地提取故障振動(dòng)信號(hào)中蘊(yùn)含的故障信息。……