田再克 李洪儒 王卫国

摘要： 针对液压泵振动信号通常具有非线性强和信噪比低的特点，提出了一种基于多点最优最小熵解卷积（Multipoint Optimal Minimum Entropy Deconvolution， MOMED）和雙谱熵（Bispectral Entropy）的液压泵退化特征提取方法。首先针对最小熵解卷积（Minimum Entropy Deconvolution， MED）降噪效果受滤波器长度和迭代次数影响的问题，提出了一种多点最优最小熵解卷积（MOMED）降噪方法，并利用MOMED对液压泵原始振动信号进行处理，以降低原始信号中干扰成分的影响;然后采用双谱分析提取双谱熵作为退化特征，以提高对液压泵退化状态的反映能力;最后，通过对液压泵性能退化试验实测振动信号的应用分析，验证了该方法的有效性。

关键词： 故障诊断; 液压泵; 双谱分析; 退化状态识别; MOMED

中图分类号： TH165+.3; TN911.7 文献标志码： A 文章编号： 1004-4523（2019）04-0730-09

DOI：10.16385/j.cnki.issn.1004-4523.2019.04.021

引 言

液压泵是整个液压系统的“心脏”，其性能好坏不仅直接影响液压系统的可靠性，甚至对整个系统的安全运行产生决定性的影响[1]。退化状态识别是实现液压泵故障预测的关键，由于液压泵振动信号往往受到流体压缩性、泵源与伺服系统的流固耦合作用以及自身固有机械振动的影响，呈现出非线性、非平稳、非高斯的特点，使得传统线性信号处理方法很难准确识别液压泵的退化状态[2-3]。因此，有必要寻求一种有效的液压泵退化特征提取方法，以满足液压泵故障预测的需要。

最小熵解卷积最早由Wiggins提出[4]，用于地震数据处理，提取数中的突变成分，通过迭代更新滤波器使信号恢复原本的简单形状。唐力伟等利用MED方法对快速谱峭度（Fast Spectral Kurtosis， FSK）方法进行改进，有效提取了滚动轴承的微弱故障信号[5]。……