高压柱塞泵早期故障的振动信号特征提取方法

来源：KTIMES TECHNOLOGY LIMITED 2025年07月21日 14:03

　　高压柱塞泵早期故障的振动信号特征提取，需结合其非线性、非平稳特性及复杂激励源，采用多技术融合的方法实现精准诊断，以下是具体方法：

　　基于降噪与分解的特征提取

　　CNC-EMMD方法：通过余弦相邻系数（CNC）降噪降低信号复杂度，结合极值域均值模式分解（EMMD）将信号分解为有限固有模态函数（IMF），对每个模态分量进行包络谱分析，提取早期故障特征。例如，该方法可有效区分柱塞泵正常、柱塞孔磨损及滑靴磨损三种状态。

　　改进的噪声自适应完备集成经验模态分解（VMD）：根据白噪声标准差对VMD进行参数优化，得到改进后的方法，利用其对振动信号分解，得到表征柱塞泵状态特征的IMF函数，再对IMF函数进行分析和特征提取，可提高状态特征提取的准确性和效率。

　　基于多源信息融合的特征提取

　　采集柱塞泵正常状态和多种故障状态下的振动信号和压力信号，利用经验模态分解（EMD）将振动信号分解到不同频带并提取能量特征，同时提取压力信号的时域特征，再将两者融合输入支持向量机（SVM）进行故障识别，诊断准确率优于单一信号。

　　基于时频分析与模式识别的特征提取

　　自适应小波阈值与局部均值分解（LMD）：针对振动信号的非线性、不平稳特性，提出自适应小波阈值函数降噪，结合LMD分解信号，利用波形匹配延拓和分量相关性方法降低端点效应，提高故障特征提取完整性。

　　精英混沌粒子群优化支持向量机（ECPSO-SVM）：以粒子群算法为基础，引入精英混沌搜索策略优化SVM参数，建立故障分类模型，诊断准确率可达98%，实现快速故障分类。

凡本网注明“来源：化工仪器网”的所有作品，均为浙江兴旺宝明通网络有限公司-化工仪器网合法拥有版权或有权使用的作品，未经本网授权不得转载、摘编或利用其它方式使用上述作品。已经本网授权使用作品的，应在授权范围内使用，并注明“来源：化工仪器网”。违反上述声明者，本网将追究其相关法律责任。
本网转载并注明自其他来源（非化工仪器网）的作品，目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责，不承担此类作品侵权行为的直接责任及连带责任。其他媒体、网站或个人从本网转载时，必须保留本网注明的作品第一来源，并自负版权等法律责任。
如涉及作品内容、版权等问题，请在作品发表之日起一周内与本网联系，否则视为放弃相关权利。

亚洲精品综合日韩中文字幕网站_精品综合久久久久97_中文在线天堂网www_久久精品免费一区二区三区_91久久国产综合精品女同国语_久久资源总站在线国产成人