张庆宇， 范玉刚

(昆明理工大学 信息工程与自动化学院， 云南 昆明 650500；云南省矿物管道输送工程技术研究中心， 云南 昆明 650500)

在矿浆管道输送过程中，往复式高压隔膜泵是其核心动力设备，单向阀是高压隔膜泵的关键部件。受工作环境和工作强度等外界因素影响，导致单向阀容易发生故障。一旦发生故障，会对矿浆管道的输送造成重大损失。

通过时频域方法对振动信号进行分析，是监测高压泵运行状态的有效方法，例如徐长航等[1]利用经验模态分解(Empirical Mode Decomposition，EMD)和Wigner-Ville分别对泵阀振动信号进行信号分解。EMD是一种经典的信号处理方法，适用于非线性、非平稳信号的分解[2]。但EMD方法存在模态混叠的问题[3]，为了解决该问题，Wu等[4-5]在EMD方法的基础上，提出总体平均经验模态分解方法(Ensemble Empirical Mode Decomposition，EEMD)，振动信号通过EEMD的分解有效地减少了噪声的影响。如靳行等[6]利用EEMD结合Teager能量算子(Teager Energy Operator，TEO)解决高速列车轴承早期故障中低频信号的类间分离性较弱、保持架故障难以识别的问题。陈虹屹等[7]利用EEMD奇异熵特征提取的方法减小了道岔的裂纹伤损信息的不确定性,有效提高了裂纹伤损识别率。但以上方法存在信号特征单一，难以完整表征信号特征的问题，为此本文对振动信号进行EEMD分解，得到本征模函数(Intrinsic Mode Function，IMF)分量信号，采用近似熵[8]、能量熵[9]、峭度[10]以及均方根[11]提取IMF特征，建立特征向量集，用于建立故障诊断模型，监测单向阀的运行状态。

建立故障诊断模型的本质是对故障类型进行识别。文献[12-13]摒弃了……