金林彩,叶杰凯,汤小明,赵 健,易灿灿

(1.丽水市特种设备检测院,浙江 丽水 323000;2.武汉科技大学 机械自动化学院,湖北 武汉 430081)

0 引 言

随着液压技术的高速发展,凭借液压元件精密度高、抗载荷和自动化等优点,目前,液压系统已被广泛应用于机床、化工和工程机械等领域。

作为液压系统的核心,液压泵是保证整个系统正常运行的关键,其健康状态将直接影响大型装备能否长期安全稳定地运行[1,2]。因此,及时迅速地对液压泵的故障进行识别,对提高液压系统运行的可靠性,降低其运行维护成本有着重要的意义。

在液压系统的故障诊断中,基于振动信号的时频分析是一种常用的检测方法。液压泵长期在变转速与变负载的工况下运行,当其发生故障时,所测得的故障振动信号往往呈现非线性和非平稳的特性,再加上还有其他强噪声等因素的干扰,因此,如何对液压泵故障进行快速、准确地识别,并提取出有效的故障特征,一直以来都是液压泵故障诊断的难点[3]。

经验模式分解(empirical mode decomposition,EMD)是HUANG N E等人[4]提出的一种多分量信号自适应分解算法,其具有正交性、完备性等优点;虽然EMD在故障诊断领域已经得到了广泛应用,但其存在模式混叠、包络拟合以及对噪声敏感性不足等问题[5,6]。JONATHAN S[7]提出了一种局域均值分解(local mean decomposition,LMD)方法,其在减少迭代次数、抑制边界效应等方面要优于EMD;不过该方法也存在不少缺点,比如算法效率低、模式混淆等。

变分模式分解(variational mode decomposition,VMD)是DRAGOMIRETSKIY K等人[8]提出的一种新的自适应分解算法。……