王立尧， 王远航， 孟苓辉， 李小兵,3， 潮 群， 陶建峰， 刘成良

(1.上海交通大学机械系统与振动国家重点实验室，上海 200240；2.工业和信息化部电子第五研究所，广东广州 510610；3.广东省电子信息产品可靠性技术重点实验室，广东广州 510610)

引言

空化现象广泛存在于流体机械中，尤其在泵类中更为普遍，并且随着泵转速的加快，空化程度也会随之加剧[1]。液压泵空化是指泵内油液局部压力下降至空气分离压力时，溶解于油液的空气开始大量析出，形成气泡或空穴的现象。空化不仅降低了液压泵的容积效率，而且气泡在溃灭时产生的瞬间冲击力会对泵内部元件产生极大的破坏作用[2-3]，因此对液压泵的空化等级进行准确识别具有重要的研究意义和实用价值。

目前，国内外研究学者主要从信号处理和统计分析的角度提取空化故障特征，识别不同的空化等级。MURALIDHARA等[4]对离心泵的振动信号进行小波分解并提取相关离散小波特征，利用朴素贝叶斯法和贝叶斯网络对故障特征进行分类。周云龙等[5]对离心泵入口压力脉动信号进行经验模态分解(EMD)，提取边际谱频带能量作为故障特征，并用BP网络进行识别。MOHAMMAD等[6]采集了轴流泵的振动信号，提取原始信号及经EMD分解后的第一个IMF分量的时域与频域特征，利用多分类支持向量机(SVM)进行空化等级识别。MCKEE等[7]测量了离心泵的振动信号，求出振动信号的倍频谱并采用PCA方法建立了空化敏感参数，以确定离心泵气蚀的严重程度。WANG等[8]对振动信号进行小波包分解并计算信号的模糊熵构成特征向量，基于此特征利用SVM进行液压泵的故障诊断。……