舒思材，韩　东

(军械工程学院，石家庄　050003)



基于WVPMCD和层次模糊熵的液压泵故障诊断方法研究

舒思材，韩东

(军械工程学院，石家庄050003)

为了更准确地对液压泵进行故障诊断，提出了基于WVPMCD(WLS-Variable predictive mode based class discriminate,WVPMCD)和层次模糊熵(hierarchical fuzzy entropy,HFE)的故障诊断方法;由于液压泵振动信号比较复杂，基于变量预测模型的模式识别(variable predictive mode based class discriminate,VPMCD)方法在对模型参数进行估计时会出现异方差的现象，从而导致参数估计出现病态，估计所得参数不稳定，从而降低预测精度；WVPMCD作为VPMCD的改进，采用更先进的加权最小二乘参数估计法代替最小二乘参数估计法，消除异方差的影响，提高参数估计的精度，进而提高液压泵故障诊断准确率；此外，在层次熵(HierarchicalEntropy,HE)的基础上提出了层次模糊熵的概念，模糊熵作为样本熵的改进，在衡量时间序列复杂度上并比样本熵更优越；运用WVPMCD和层次模糊熵对液压泵进行故障诊断，实验结果验证了该方法的有效性。

WVPMCD；层次模糊熵；液压泵；故障诊断

0　引言

液压泵的故障诊断从本质上讲其实是模式识别的过程。目前常见的机械故障模式识别方法主要有神经网络与支持向量机等。但这些方法其实都忽略了特征值之间的联系。Raghuraj等[1]提出了一种基于变量预测模型的模式识别方法，并将该方法与其他模式识别方法进行了对比，验证了该方法的优越性。程军圣等[2]运用VPMCD提出了基于VPMCD和EMD的齿轮故障诊断方法，结果表明该方法能有效提高故障诊断的精度。罗颂荣等[3]在VPMCD的基础上进行改进，提出了GA-VPMCD的方法，并应用于机械故障智能诊断，有效提高了故障诊断的精度和诊断系统的鲁棒性。……