师 冲，任 燕，汤何胜，向家伟

（温州大学 机电工程学院，浙江 温州 325035）

电液换向阀因换向响应速度快、反应灵敏、换向平稳、换向可靠性高等特点被广泛应用于工程机械中。但其常会因油液的污染及阀芯频繁往复运动致使阀芯磨损，从而出现内泄露故障。内泄露故障将导致液压设备操作失稳、运转不可靠，严重影响到液压系统的效率及液压元件的服役寿命［1］。因此，对电液换向阀的状态检测显得尤为重要。

现阶段在液压领域的诊断方法主要包括经验模式分解（EMD）［2－3］、变分模态分解（VMD）［4］、小波变换（WT）［5－6］、神经网络等方法，然而却忽略了当液压故障发生时，实际振动信号不仅呈现出非平稳性，往往还表现为复杂的自相似性，即分形特征［7］。分形特征可以描述复杂系统的不同工作状态，因此，分形特征可以作为故障诊断的特征［6］。由于实际测得的故障振动信号通常比较复杂，一般具有多重分形特征，多重分形理论可以分析振动信号的多重分形特征，但其容易受到振动信号非平稳趋势的影响，以致不能准确揭示非平稳振动信号的多重分形特征［8］。因此，通过将多重分形理论和去趋势波动分析（DFA）结合的方式，Kantelhardt等［9］提出了一种多重分形去趋势波动分析方法（MF-DFA），它能够有效地分析非平稳振动信号的多重分形特征。当前，MF-DFA方法在故障诊断领域已得到了广泛的应用。Lin，Liu，Xiong等［10－12］分别利用MF-DFA结合马氏距离，局部特征尺度，α稳定分布实现滚动轴承的故障诊断；Liu等通过MF-DFA结合VMD和PNN网络（概率神经网络）实现机电执行机构的故障诊断［8］，还有众多结合MF-DFA实现故障诊断方法［13－14］。……