刘和明　刘艳

摘要：进行离心泵故障诊断可以大幅提高泵的运行平稳性。概述离心泵故障的基本理论，分析振动对离心泵的影响，介绍压力脉动与离心泵故障的联系，阐述旋转叶轮机械的故障原理及其诊断方法的研究现状，展望离心泵故障诊断的发展趋势，以期为离心泵故障诊断的进一步研究提供参考。

关键词：离心泵；故障诊断；研究现状；发展趋势

中图分类号：TH311 文献标识码：A 文章编号：1674-1161（2019）01-0070-06

离心泵具有结构简单紧凑、安装方便、运行范围广等优点，在工业、冶金、城市给排水、航天、航海等各个领域都有广泛应用。随着离心泵应用领域日益广泛，维护与故障诊断在离心泵的使用中愈加重要。目前，国内对离心泵的检测和故障诊断仍处于起步阶段，关于离心泵的研究一般都是对正常运行状态的性能进行分析，而有关其故障或事故状态下的性能研究还比较少。离心泵运行状态检测的普遍方式仍是定期维护和定时保养，这不仅导致维修过度或保养欠缺，还可能因为不能有效解决隐在故障而影响离心泵的正常工作。本课题对离心泵故障诊断的相关研究进行概括总结，重点对离心泵的振动、压力脉动及旋转机械的故障机理和诊断方法进行分析，并展望离心泵故障诊断的发展趋势。

1 离心泵故障分类及特点

离心泵运行故障可分为两类：一是不合适的工作条件使泵发生故障，如不当操作、零件加工精度不够等，这类故障可通过更换部件或调整运行参数排除；二是离心泵一直在故障或极端条件下运行，使得泵系统故障越来越严重。离心泵故障特点主要有两个：一是并发性，即离心泵的故障一般都是由多种故障并发引起；二是随机性，即同一种泵在故障模式下的表现形式不一定相同。

2 离心泵的国内外研究现状

2.1 离心泵振动研究现状

离心泵振动水平是评价泵运行可靠性的一个重要指标。离心泵振动可分为流体诱导振动和机械结构振动两类。

轴承磨损、转子不平衡及零件缺陷是引起机械结构振动的主要原因。其中：对由转子不平衡引起机械结构振动的机理已有较为系统的研究，转子不平衡的影響在很大程度上可以通过动平衡技术来减小，采用柔性联接可有效防止两转子间产生周期性的激励源。轴承磨损是导致机械结构振动的另一重要原因，这可能是驱动端与非驱动端同时产生缺陷、也可能是单侧磨损导致。轴承刚度不够会引起离心泵的振动，并且轴承耐磨性能差、轴瓦间隙过大和推力轴承以及其他滚动轴承磨损也会加剧离心泵的振动。殷洪权通过ADAMS建立了机组轴系的虚拟样机模型，给出轴系建模办法，表明通过适度调整泵轴和联轴器等结构可以使轴的固有频率避开转子的工作频率，从而减小振动。Khalifa研究了叶轮切割对离心泵性能的影响，指出不同形状的叶轮切割均会使叶片与隔舌间隙增大，从而使泵内压力脉动与振动减小。蒋爱华等人采用相空间重构的方法确定影响离心泵系统振动特性因素的数量。Srivastav等人研究了叶顶间隙对离心泵结构振动的影响，指出随着叶顶间隙的增大泵的振动会逐渐降低。赵万勇等人研究了内流对离心泵转子振动的影响，建立了符合泵转子振动的分析理论，并指出应综合应用各种独立故障的分析方法来研究离心泵的运行故障。

与机械结构振动研究的日渐成熟相比，离心泵流体诱导振动研究还需深入。流体诱导振动主要是由流动分离、空化、失速及漩涡等不稳定流动产生的压力脉动引起的。数值计算和试验测试是研究压力脉动的两种主要方法。在数值计算方面，Zhang N等人分析了斜坡式蜗壳对离心泵内压力脉动的影响，结果表明，斜坡式蜗壳能够明显降低泵内压力脉动。Spence等人研究了隔舌位置、导叶安放形式和口环间隙等对压力脉动的影响，发现压力脉动频谱主要受叶轮与隔舌间动静干涉的影响。Gao B等人对低比速离心泵内压力脉动进行研究，结果表明，工况对不同测点压力脉动幅值有较大影响，压力脉动主频在叶频。Asim等人研究了离心泵蜗壳内压力脉动，发现叶轮与隔舌动静干涉对隔舌附近的二次流有明显影响。Zhang Y等人采用大涡模拟方法分析了离心泵蜗壳内压力脉动，发现压力脉动在隔舌处最大。崔宝玲等人研究了复合叶轮离心泵内的压力脉动，发现叶轮和蜗壳的动静耦合是产生压力脉动的主要原因，且主频受轴频控制。王福军等人分析了双蜗壳离心泵内的压力脉动，发现隔板和隔舌处压力脉动频率在大流量下均为叶频，小流量下以轴频为主。祝磊等人分析了不同隔舌型式对离心泵内压力脉动的影响，发现采用短舌和中舌有利于降低离心泵内的压力脉动。姚志峰等人分析了双吸离心泵内的压力脉动，结果表明，在吸水室和压水室内压力脉动的特征频率主要是轴频及低于轴频的频率。黄茜等人研究了流量对离心泵内压力脉动，结果表明，流量越小泵内压力脉动越大。在试验测试方面，Parrondo等人研究了离心泵叶片附件的压力脉动，发现泵内压力脉动强度主要由叶片与隔舌的动静干涉决定。Dong R等人的试验结果表明，隔舌是离心泵内压力脉动的主要激励源。Mele等人通过试验测试了转速对离心泵流动振动的影响，发现随转速的增加流动诱导振动也不断增强。陈长盛测试了不同转速下船用离心泵的振动特性，发现振动大小与转速的4～9次方成正比。周林玉对偏工况下离心泵内的压力脉动进行了试验分析，指出小流量下叶轮出口压力脉动主频不再是叶片通过频率，并且频谱宽度明显增大。陈斌测试了单叶片螺旋离心泵内的压力脉动，发现压力脉动在叶片圆周厚度1/3处时最小。蔡建程测试了离心泵隔舌附近的压力脉动，发现隔舌附近的压力脉动以离散分量为主，且其强度随着流量的减小逐渐增大。

综上所述，目前已经开展了大量有关离心泵振动的研究，但有关离心泵故障状态下运行特性的研究还比较缺乏，因此未来需要加强通过压力脉动和振动数据分析来辨别不同故障类型方面的研究。

2.2 旋转机械故障机理研究现状

离心泵是一种典型的旋转机械。旋转机械由于其性能稳定、噪音小、自动化程度高等优点，在工业和生活领域中被广泛使用。随着旋转机械应用领域的增加，其发生故障的形式也变得多种多样，因而对旋转机械故障机理的研究也逐渐增多。Samira等人采用帕克变换和希尔伯特变换分析了感应电动机的机械故障信号。Sohre对系统总结了旋转机械的典型故障，并归纳为9类37种。Chuan Li等人采用形态小波分析了滚动轴承的监测信号，成功消除了其中的随机噪声。王洪杰等人提出把分频段控制技术和信号处理方法相结合的故障诊断方法，并对锅炉给水泵常见故障进行归类与分析。程军圣等人的研究表明，基于局部均值分解的能量算子解调方法能够有效提取设备故障振动信号。朱俊对多级离心泵叶轮堵塞、叶片断裂、气蚀、口环磨损等4种常见故障进行了研究，提出一种基于工艺参数和振动的泵效率降低的监测方法。赵鹏采用递归定量分析理论对Elman神经网络进行了改进，并应用于离心泵的振动信号提取。张晓清等人总结了常见的离心泵故障类型，并给出一些处理方法。

虽然目前有较多关于旋转机械故障机理方面的研究，但由于其结构形式的多样性，且多数情况下故障的发生并不是由单一故障引起，这些都给旋转机械的故障机理探索带来了挑战，因此未来仍需深入研究旋转机械的故障形成机理。

2.3 旋转机械故障诊断研究现状

旋转机械故障诊断方法较多，大多是通过检测电压、电流、流量、压力、振动和噪声这几个方面来进行诊断，从原理上可分为3类：基于模式识别故障诊断、基于控制模型故障诊断及基于人工智能故障诊断。

2.3.1 基于模式识别的故障诊断 基于模式识别的故障诊断是根据机械的故障表现形式，选择相应的模式识别方法进行诊断，其本质上就是一个模式识别的过程。对旋转机械故障主要是应用模式分类器来检测提取出来的各类特征信号，再进行分类和辨别。王峰采用人工免疫应用模式识别方法分析了汽轮机组故障时的振动信号，通过对信号参数的识别和分类，表明该方法具有一定的适用性。冯长建应用多观测变量和多样本的隐Markov模型对旋转机械启动过程振动模式的故障诊断进行了研究，取得了很好的诊断效果。针对不同的故障有不同的模式识别，因而，能否准确判断故障类型就对系统的模式识别分类的准确度和精确度提出了一定的要求，如何提高可识别模式的种类和精度与准确度将会是下一步的研究方向。

2.3.2 基于控制模型的故障诊断 基于控制模型的故障诊断是将现实所得的数据与数据库中的标准数据进行比对获得残差，再将残差与标准值相对比，进而获得诊断结果。状态估计和参数选择是该方法的关键和难点。史军杰等人基于因式分解法建立了离心泵管道系统模型，并对模型系统进行了故障诊断研究，仿真试验表明该方法有一定的可靠性，但未涉及故障定位和故障状态评估。陈安华等人给出了一种转子系统非线性振动的辨识建模方法，该模型可对故障信号进行在线建模。周云龙等建立了一种连续隐Markov模型与自回归谱分析相结合的方法，并应用到对离心泵的故障诊断中，取得了良好的效果。

2.3.3 基于人工智能的故障诊断 由于故障表現形式各不相同，传统的故障诊断技术很难进行精确的故障诊断。针对复杂故障形式，基于人工智能的故障诊断技术逐渐成为主流。最近几年，随着有关智能分析和信号分析技术研究的深入，主流的智能故障诊断可以分为小波变换、支持向量机、人工免疫和盲源分离等几类，但主要有3种：基于神经网络的故障诊断、基于知识的故障诊断和基于支持向量机的故障诊断。

1） 基于神经网络的故障诊断。人工神经网络具有优秀的学习能力、优秀的函数逼近功能以及强大的自适应性。Samanta探索了人工神经网络在故障诊断中的应用，结果发现径向基函数网络、多层感知器和概率神经网络算法可以用于齿轮故障振动信号的诊断。周云龙等人基于BP神经网络提出将反向转播的遗传算法与经验模式分解结合用于离心泵汽蚀故障诊断。侯祥林等人将多层感知器神经网络算法和分形计算维数概念相结合，提出了分形神经网络诊断算法的方法。魏效玲等人成功应用BP神经网络对离心泵的故障进行了诊断。梁超分析了离心泵不同工况下振动信号的相空间复杂网络动力学特性，对不同的振动故障进行定量地递归分析，从而对不同振动故障状态进行诊断。印洪浩等人设计建立了SOM神经网络，实现了船用离心泵运行故障的智能诊断。近年来基于神经网络的故障诊断方法以其独特的优势发展迅速，但由于需要大量的训练样本，因此在实际应用中仍有一定的局限性。

2） 基于知识的故障诊断。基于知识的故障诊断主要是指专家系统，即对数据信号运用知识库中已有的规则进行推理，再根据实际情况修改推理策略，从而对系统故障类型进行准确定位。其中，知识库的完善程度决定了专家系统的诊断水平。席玉洁归纳总结了离心泵的常见故障并进行了机理分析，建立了适用于离心泵故障诊断逻辑的专家系统。韩延喆采用贝叶斯网络推理方法建立了一种高速离心泵故障诊断专家系统。基于知识的故障诊断是目前主流的故障诊断方向。虽然其具有即时故障推理，并能根据实际进行调整方案的优点，但也不可避免地对数据库内规则和处理方案的完善程度提出了一定的要求。可见，该诊断系统未来的发展方向将会偏于数据库的扩充与完善。

3） 基于支持向量机的故障诊断。Vapnik基于统计学理论首次提出了支持向量机（Support Vector Machine，SVM）的模式识别方法，该方法在小样本、非线性及高维模式识别等方面具有较为明显的优势。翟永杰等人提出了基于错分样本变数的变增量迭代算法，改进了多类支持向量机的算法，在小样本的情况下成功用于汽轮发电机组的故障诊断。Samanta等人以轴承故障诊断为研究对象，将SVM与神经网络方法进行了对比，发现SVM方法具有更强的最优解逼近能力。赵鹏等人提出一种基于最小二乘支持向量机和EMD复杂度特征的离心泵振动故障诊断方法，取得了较好的效果。顾小军根据模式识别系统和旋转机械故障诊断的要求设计了实时振动信号采集系统，并结合LabVIEW和MATLAB实现了基于SVM故障识别系统。洪君等人则提出将SVM和HHT方法相结合的离心泵振动信号故障诊断方法，并通过试验证明了该方法具有较高的诊断率。万毅等人基于SVM方法构建了离心泵的磨损特性分析和优化的智能模型，并与神经网络算法进行了比较，发现SVM方法具有更高的预测精度。朱霄珣分析了SVM模型中训练特征选取、参数确定以及核函数选择等关键问题，建立了基于SVM的转子振动故障诊断智能模型。杨野提出了基于支持向量机和粗糙集的故障诊断方法，并应用于离心泵汽蚀故障诊断，结果表明，支持向量机可准确快速地识别不同类型的汽蚀故障。基于向量机的故障诊断在模式识别、小样本和非线性等多方面具有较大的优势，但在实际诊断过程中易受系统内部噪声以及周围因素的干扰，从而影响诊断的准确度。因此，如何排除外来以及系统内的干扰，将会是该模式诊断的下一步研究方向。

3 离心泵故障诊断研究展望

对离心泵故障诊断的研究目前仍处于刚起步的状态，需要在以下两个方面进行更为深入的研究：一是加强离心泵故障诊断的机理研究。主要包括离心泵各种单一故障以及并发故障下泵结构振动噪声和内部流动诱导噪声的运行规律，从而为故障诊断提供依据，其中各类信号的分离、提取和识别将会是一个难点。二是发展集多个智能故障诊断系统于一体的新型智能故障诊断系统。目前主流的智能故障诊断方法都需要满足特定的条件才能够使用，而且各自都具有不同的优缺点。将不同的诊断方法进行合理配合，取长补短，能够发挥出超过原有诊断系统的功能。开发一个基于物联网的兼具智能诊断方法、智能监控系统以及智能故障预警的新型故障诊断系统将是未来故障诊断的研究方向。

参考文献

[1] 闻邦春.高等转子动力学[M].北京：机械工业出版社，1998.

[2] 蒋爱华.流体激励诱发离心泵基座振动的研究[D].上海：上海交通大学，2012.

[3] 刘超.离心泵振动故障分析及排查措施[J].化工设备与管道，2016，53（4）：64-65，84.

[4] 刘超，王中良，于涛，等.离心泵振动原因分析[J].管道技术与设备，2015（1）：30-32.

[5] 殷洪权.大型多级离心泵机组轴系的扭转振动分析[J].化工设备与管道，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] 蒋爱华，周璞，章艺，等.基于相空间重构离心泵基础振动的研究[J].农业工程学报，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] 赵万勇，白双宝，马鹏飞.离心泵转子振动研究现状与展望[J].流体机械，2011，39（3）：37-39.

[10] 周林玉.偏离工况下离心泵的压力脉动和振动分析[J].流体机械，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，许文静，朱祖超，等.低比转速复合叶轮离心泵内的非定常流动特性[J].化工学报，2011，62（11）：3 093-3 100.

[19] 杨敏，闵思明，王福军.双蜗壳泵压力脉动特性及叶轮径向力数值模拟[J].农业机械学报，2009，40（11）：83-88.

[20] 丛国辉，王福军.双吸离心泵隔舌区压力脉动特性分析[J].农业机械学报，2008，39（6）：60-63.

[21] 祝磊，袁寿其，袁建平，等.不同型式隔舌离心泵动静干涉作用的数值模拟[J].农业工程学报，2011，27（10）：50-55.

[22] 姚志峰，王福军，肖若富，等.离心泵压力脉动测试关键问题分析[J].排灌机械工程学报，2010，28（3）：219-223.

[23] 姚志峰，王福军，肖若富，等.双吸离心泵吸水室和压水室压力脉动特性试验研究[J].水力学报，2012，43（4）：474-479.

[24] 黄茜，袁寿其，方玉建，等.多级离心泵多工况压力脉动数值模拟[J].中国农村水利水电，2016（10）：191-195.

[25] PARRONDO-GAYO J L，GONZALEZ-PEREZ J，FERNANDEZ-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] 陈长盛，马俊，柳瑞锋，等.运行工况对离心泵振动影响的试验研究[J].噪声和振动控制，2012（6）：199-202.

[29] 周林玉.偏离工况下离心泵的压力脉动和振动分析[J].流体机械，2014，43（2）：52-55.

[30] 陈斌，张华，李国锋，等.半开式单叶片螺旋离心泵叶轮内部压力脉动研究[J].农业机械学报，2016，47（10）：73-77.

[31] 蔡建程，潘杰，GUZZOMI ANDREW.离心泵隔舌区压力脉动测量与分析[J].农业机械学报，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.锅炉给水泵故障机理及诊断技术的研究[J].节能技术，2004，22（6）：30-31.

[36] 程军圣，杨怡，杨宇.基于LMD的能量算子解调机械故障诊断方法[J].振动、测试与诊断，2012，32（6）：915-919.

[37] 朱俊.多级离心泵性能下降故障机理分析及诊断方法研究[D].北京：北京化工大学，2016.

[38] 赵鹏，周云龙，孙斌.递归定量分析在离心泵故障诊断中的运用[J].振动、测试与诊断，2010，30（6）：612-616.

[39] 张晓清.离心泵常见故障分析及处理[J].宁夏工程技术，2011，10（4）：356-358.

[40] 顾志勇.离心泵常见故障分析及处理措施[J].纯碱工业，2016（6）：39-40.

[41] 张震华，姜苏苏.浅谈离心式水泵工作原理及常见故障原因[J].南方农机，2014（4）：30-31.

[42] 曹冲锋.基于EMD的机械振动分析与诊断方法研究[D].杭州：浙江大学，2009.

[43] 王峰.基于模式识别的汽轮机组振动故障诊断方法的研究[D].北京：华北电力大学，2009.

[44] 冯长建.HMM动态模式识别理论、方法以及在旋转机械故障诊断中的应用[D].杭州：浙江大学，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] 陈玉东，施颂椒，翁正新.动态系统的故障诊断方法综述[J].化工自动化及仪表，2001，28（3）：1-14.

[47] 史军杰，王美霞.基于模型的离心泵故障诊断设计[J].自动化与仪器仪表，2014（12）：68-70.

[48] 陈安华，钟掘.转子系统非线性振动的辨识建模[J].中国有色金属学报，1997，7（3）：159-163.

[49] 周云龙，柳长昕，赵鹏，等.基于自回归-连续隐马尔可夫模型的离心泵故障诊断[J].中国电机工程学报，2008，28（20）：88-93.

[50] 吴金培，肖建华.智能故障诊断与专家系统[M].北京：科学出版社，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] 周云龙，吴昱.基于EMD与GA-BP网络的离心泵汽蚀故障诊断[J].化工自动化及仪表，2014（41）：660-664.

[53] 侯祥林，李永强，虞和济.非线性机械设备系统的分形神经网络诊断方法[J].振动工程学报，2001，14（2）：220-223.

[54] 魏效玲，王杰华，陈稚文，等.基于BP神经网络的离心泵故障诊断方法研究[J].煤矿机械，2013，34（2）：244-245.

[55] 梁超.复杂网络在离心泵故障诊断中的应用[D].吉林：东北电力大学，2014.

[56] 印洪浩，彭中波.船用离心泵故障SOM网络诊断方法[J].中国航海，2012，35（2）：24-28.

[57] 吴金培.智能故障诊断技术的发展和展望[J].振动、测试与诊断，1999，19（2）：79-86.

[58] 谭巨兴，张清华，王钦若，等.旋转机械设备智能故障诊断方法的研究[J].工业控制计算机，2016，29（1）：36-38.

[59] 席玉洁.离心泵故障诊断专家系统的应用研究[D].北京：北京化工大学，2011.

[60] 韩延喆，刘波峰，张俊，等.基于贝叶斯网络的超速离心机故障诊断专家系统研究[J].传感器与位系统，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，王东风，韩璞.基于多类支持向量机的汽轮发电机组故障诊断[J].动力工程，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] 趙鹏，周云龙，孙斌.基于经验模式分解复杂度特征和最小二乘支持向量机的离心泵振动故障诊断[J].中国电机工程学报，2009，29（1）：138-144.

[64] 顾小军.面向旋转机械的支持向量机方法及智能故障诊断系统研究[D].杭州：浙江大学，2006.

[65] 洪君，樊志华，李玉婷.HHT与SVM在离心泵故障振动信号处理中的应用[J].吉林电力，2009，37（2）：26-29.

[66] 万毅.基于支持向量机的离心泵磨损特性分析方法[J].水利学报，2010，41（4）：488-492.

[67] 朱霄珣.基于支持向量机的旋转机械故障诊断与预测方法研究[D].北京：华北电力大学，2013.

[68] 杨野.基于粗糙集和支持向量机的离心泵汽蚀故障诊断[J].软件导刊，2011，10（11）：43-44.（下转第77页）