洪晓艺, 翟东媛，乔庆鹏

(1.新乡职业技术学院，电子信息系，河南 新乡 453006；2.湖南大学，电子信息工程系，湖南 长沙 410082；3.河南财政金融学院，人工智能学院，河南 郑州 450046)

引言

柱塞泵属于当前工业生产领域获得广泛使用的输送泵，具备运行过程稳定并可以达到高压高效率的性能[1-3]。但考虑到柱塞泵的组成结构较复杂，并且通常都是处于长期高速运转的状态，较易发生表面磨损与松靴磨损的问题，从而引起安全事故[4-5]。最初对柱塞泵开展故障诊断时通常需要通过技术人员根据之前经验进行判断，之后升级为可以通过参数测试的方法完成诊断过程，现在已能实现智能诊断的功能。其中，智能诊断是从柱塞泵壳体与端盖位置获取振动信号，之后通过系统分析柱塞泵的工作状态[6-8]。目前，对这方面开展研究的学者也较多，任立通等[9]采用随机共振方法处理振动信号，对振动信号频率进行增强后获得更高的信噪比，由此提升了准确度，采用上述方法诊断非线性特征时获得了理想的诊断效果，不过需要较长计算时间，算法处理过程太复杂。胡晋伟等[10]利用超限学习机对柱塞泵进行滑靴磨损故障诊断，先对振动信号实施预处理，再提取得到特征向量，将其输入到超限学习机并诊断滑靴磨损程度。袁兵等[11]综合运用集合经验模态分解和SVM的方法，准确诊断得到滑靴耳轴磨损、柱塞泵滑靴磨损以及球头松动情况。张华等[12]同时采用SVM和符号动力学信息熵的方法构建得到信息熵特征集，实现了对液压泵的不同类型故障识别功能，但采用此方法需要经过复杂的诊断过程，花费较长的学习时间，并且整体流程太复杂，由此降低了诊断效率。……