采用参数化解调的变转速下柱塞泵故障诊断方法

作者：徐孜; 潮群; 高浩寒; 陶建峰^*; 刘成良; 孟成文

来源：西安交通大学学报, 2021, 55(10): 19-29.

• 柱塞泵
• 变转速
• 故障诊断
• 参数化解调
• 卷积神经网络
• 长短期记忆网络

针对柱塞泵在变转速工况下运行时,存在因时变信号特征提取不易和噪声抑制困难导致的故障诊断准确度低的问题,提出一种以参数化解调为基础的柱塞泵空化故障诊断方法。首先,采用粒子群算法对泵出口时变压力信号重点分量的相位参数进行估计,再根据估计得的参数将信号解调至平稳化并滤波,接着对滤波后的信号进行反解调来获取单一信号分量;然后迭代执行参数化解调的上述步骤以提取所有重点分量并实现信号重构;最后对重构信号进行切片来构建数据集,再将数据集输入一维卷积-长短期记忆神经网络(1DCNN-LSTM)中提取局域特征并学习长期时序信息,从而实现准确地识别柱塞泵空化等级。流体仿真实验验证了参数化解调在信号分量提取上的有效性。使用实测信号进行空化故障诊断实验,结果表明:相比未经参数化解调的诊断方法,该方法的空化等级识别准确率提高了6.5%,达到95.4%,且具有更好的泛化性能;在信噪比为0 dB的强噪声环境下,准确率维持在90%以上。

• 单位
  上海交通大学; 机械系统与振动国家重点实验室