明廷锋 姚晓山 王 凯 张永祥

(海军工程大学船舶与动力学院1) 武汉 430033) (空军雷达学院军械通用装备系2) 武汉 430021)(海军驻郑州地区军事代表室3) 郑州 450000)

离心泵在电力、石油化工、冶金、机械以及军事等部门作用关键.进行离心泵故障诊断技术研究十分必要.离心泵在工作过程中,即使非常轻微的一些机械缺陷或损伤都会引起整个系统的振动,例如,基座松动、叶片磨损、泵轴与传动轴的不平衡等.因此,利用振动进行故障监测诊断是目前应用最广泛的方法.由于离心泵速度变化过程的振动信号具有信息量大、非平稳、重复再现性不佳等特点,使得一些基于传统时域或频域的分析方法无法及时地反映出系统的运行状况.文献[1]以振动信号做自回归变换后的AR谱系数作为特征向量,将基于自回归的二维隐Markov模型引入到离心泵故障诊断中;文献[2]结合小波变换与因子隐Markov模型的离心泵故障诊断方法;文献[3-4]研究了Hilbert-Huang变换与神经网络相结合的方法,对于离心泵的正常状态、质量不平衡、转子不对中和基础松动等故障具有较好的识别效果.

除了振动信号外,出口压力脉动信号也是一种可用来分析泵工作状态的对象.当泵正常工作时,出口压力的基础脉动是由泵本身的工作特性决定的.在不同的工作状态下,泵出口压力脉动信号的高低频分量会有所不同[5].而且相对于振动信号而言,压力脉动信号则更能反映泵的另一类常见故障,“汽蚀”初生现象……