单增海 李志远 张 旭 黄亦翔 李彦明 刘成良 张 轩

1.徐州重型机械有限公司，徐州，2210042.上海交通大学机械系统与振动国家重点实验室，上海，200240

0 引言

液压泵因其响应快速、调速范围大、单位质量的功率大等特点，已成为工程机械设备液压系统的主要驱动元件。作为液压系统的核心组件，液压泵可为整个系统提供动力，其健康状态对液压系统的运行状态和效率有重要的影响，且设备整体运行的可靠性、稳定性与液压系统紧密相关[1]，因此准确地评估液压泵的健康状态对制定合理的维护计划、保障正常生产有重大的现实意义。

目前，液压泵的健康评估方法主要是基于单一的振动信号分析建立的，而压力、温度等其他信号则很少直接用于评估液压泵的健康状态，通常只是作为一个参考指标。针对单一的振动信号，HANCOCK等[2]使用小波包分解液压叶片泵的振动信号，基于提取到的特征利用模糊推理系统进行健康状态分类；ZHU等[3]使用叠加自动编码器对振动信号进行训练和识别，实现了泵的故障诊断；刘志宇等[4]使用卷积神经网络对大量历史振动数据进行训练，有效提高了预测准确率；王浩任等[5]使用小波包提取柱塞泵原始振动信号的有效特征群，通过拉普拉斯特征映射方法实现了特征向量到健康状态的映射。此外，还有学者针对振动信号外的其他信号进行分析，GAO等[6-7]使用小波分解方法对泵的压力信号进行分析，实现了对柱塞泵的实时健康诊断，并进一步使用小波包分解和小波系数残差分析方法实现了泵的故障种类诊断；……