基于小波包分析的液压泵状态监测方法.pdf

第4 5卷第 8 期 2 0 0 9 年 8 月 机械工程学报 J OURNAL 0F MECHANI CAL ENGI NEERI NG v0 1 ． 4 5 N O ． 8 Au g ． 2 0 0 9 DoI 1 0 ． 3 9 0 1 ／ J M E． 2 0 0 9 ． O 8 ． 0 8 0 基于小波包分析的液压泵状态监测方法冰 高英杰 孔祥东 Z H A N G Q i n 2 1 ． 燕 山大学河北省重型机械流体动力传输及控制重点实验室秦皇岛0 6 6 0 0 4 ； 2 ． 伊利诺依大学香槟分校农业工程系 伊利诺依6 1 8 0 2 美国 摘要液压泵是液压系统中的关键部件，对其运行状态的监测与故障诊断对整个液压系统的可靠性具有重要意义。基于小波 包分解和小波系数残差分析方法，提出一种利用液压泵出口压力进行液压泵故障诊断的方法。通过分析液压泵出口处压力信 号的特征，利用小波包对压力信号进行频谱分解，提取液压泵的故障特征，建立不同频率范围的特征信号与液压泵不同故障 因素的对应关系，为液压泵的故障诊断与定位提供依据。利用小波包能量残差判别液压泵的运行健康状态，并比较不同小波 基函数在故障诊断时的敏感度。为减小小波分析时边界效应所引起的信号畸变，引入 “ 滑动双窗口”的分析方法。试验结果 表明，与快速傅里叶方法相比，基于小波包分解的残差分析方法可有效提高故障诊断的准确率，实现对液压泵的状态监测与 故障诊断。 关键词故障诊断液压泵小波包分解信号处理残差分析 中图分类号T P 3 0 6 W a v e l e t Pa c k e t s Ana l y s i s Ba s e d M e t h o d f o r Hy d r a u l i c Pu mp Co n d i t i o n M o n i t o r i n g GA O Y i n g j i e KO N G X i a n g d o n g Z HA NG Qi n 1 ． H e b e i K e y L a b o r a t o r y o f He a v y Ma c h i n e ry F l u i d P o w e r T r a n s mi s s i o n and C o n t r o l ， Y ans h an U n i v e r s i t y , Q i n h u a n g d a o 0 6 6 0 0 4 ； 2 。 De p a r t me n t o f Ag r i c u l t u r a l En g i n e e r i n g ， Un i v e r s i t y o f I l l i n o i s a t Ur b an a C h a mp a i g n ， I l l i n o i s 6 1 8 0 2 ， U S A Ab s t r a c t T h e h y d r a u l i c p u mp i s a k e y c o mp o n e n t i n h y dra u l i c s y s t e m． Mo n i t o rin g i t s o p e r a t i o n s t a t e a n d c a r r y i n g o u t f a u l t d i a g n o s i s a r e o f i mp o r t ant s i gni fi c anc e t o t h e r e l i a b i l i t y o f t h e wh o l e h y dra u l i c s y s t e m． B a s e d o n t h e w a v e l e t p a c k e t d e c o mp o s i t i o n WE D and wa v e l e t c o e ffic i e n t s r e s i d u a l a n a l y s i s me t h o d ， t h e f a u l t d i a g n o s i s a p p r o a c h b y e mpl o y i n g t h e o u t l e t p r e s s u r e o f t h e p u mp i s p r o p o s e d f o r the c o n d i t i o n mo n i t o rin g o f h y dra u l i c p u mp ． B y a n a l y z i n g t h e c h a r a c t e ris t i c o f t h e d i s c h a r g e p r e s s ure o f the h y dra u l i c p u mp ， t h e wa v e l e t p a c k e t ana l y s i s i s a p p l i e d t o the p r e s s ure s i gn a l t o e x t r a c t the f e a t u r e s p e c t r u m o f t h e h y dra u l i c p u mp ．Th e r e l a t i o n s h i p s o f the f e a t u r e s i g n a l s i n d i ffe r ent f r e q u e n c y b and s c o r r e s p o n d i n g t o the d i ffe r e n t f a u l t f a c t o r s are e s t a b l i s h e d ． T h e wa v e l e t p a c k e t ene r g y r e s i d u a l s are the n u s e d t o d i a gn o s e t h e p u mp h e a l t h s t a t u s ． T h e s e n s i t i v i t i e s o f t h e f a u l t d i a gn o s i s wi th diff e r e n t wa v e l e t f u n c t i o n a r e a l s o dis c u s s e d ． F o r e l i mi n a t i n g t h e b o r d e r d i s t o r t i o n s i n WP D， a t wi n s l i d i n g wi n d o w s c h e me i s c r e a t e d t o i mp r o v e t h e p e rfo r ma n c e o f the d i a g n o s i n g s y s t e m． T h e v a l i d a t i n g t e s t r e s u l t s s h o w tha t thi s WP D an d r e s i d u a l ana l y s i s b a s e d me tho d C a l l e ffe c t i v e l y i mp r o v e the a c c u r a c y o f f a u l t d i a gno s i s i n c o mp a r i s o n t o t h e c o n v e n t i o n a l f a s t F o uri e r t r a n s f o r m F F T me th o d ． Ke y wo r d s Fa u l t d i a gn o s e s Hy dra u l i c p u mp Wa v e l e t p a c k e t d e c o mp o s i t i o n S i gn a l p r o c e s s i n g Re s i d u a l ana l y s i s 0 前言 机电系统中零部件的意外失效会导致生产效 国家 自然科学基金资助项 ／ I 6 9 8 7 2 0 3 1 2 0 0 8 0 9 1 6收到初稿 2 0 0 9 0 3 0 1 收到修改稿 率的大幅降低，严重时还会对设备及人员的安全构 成威胁。为减小 由于零件失效所产生的损失，一些 预防性维护技术如定期维护、点检维护等技术 已得 到普遍应用。这些方法虽然能有效减小零件失效的 概率，但无法完全预防零件的意外失效。同时，由 于定期维护时设备的重组、提前更换未失效的关键 学兔兔 w w w .x u e t u t u .c o m 2 0 0 9年 8月 高英杰等基于小波包分析的液压泵状态监测方法 8 l 零件等所造成的损失， 使得预防性维护的效率较低、 维护成本较大【 l ] 。利用状态监测 的维护技术采用 “ 按需维护 ”的策略， 可 以大大降低不必要的停机维 护，并可依据设备的运行状态合理安排维护时间， 从而大大提高机 电系统的工作效率 。然而，状态维 护技术的实现依赖于对设备的状态监测及故障的准 确诊断与定位【 l J 。 液压控制 系统 由于输 出功率质量 比大 、响应 快、控制精度高、可以提供远程控制等特点，在航 空航天、舰船、移动车辆和钢铁工业等领域得到了 广泛应用。电液控制技术系统与已经成熟的控制技 术及 电子技术相融合 ，极大地增强了机 电系统 的性 能并扩展了系统的功能。因此，电液控制系统 的应 用正在 日益快速增长【 4 J 。 液压泵是液压系统中的关 键部件，其性能的好坏对整个液压系统操作的可靠 性有着重要影响，因此液压泵的性能检测及故障诊 断方法在工业应用中具有重要意义[ 3 , 6 - 7 ] 。 油液的污染状态监测用于液压系统 故障诊断 与预防的方法是工业领域常用的方法之一【 ， 但 由 于采样一分析的时间延迟及采样时的二次污染 ，其 应用受到了一定的限制 。为了获得可供在线状态监 测与故障诊断所需要的可靠运行状态参数，学者们 进行 了大量的试验研究【 j 乃 J 。 目前 ，应用于液压系统故障诊断的方法大都是 借鉴于用于机械系统故障诊断的方法。常用的诊断 方法有通频振动均方幅值越限诊断’法I 乃 】 、A R 模型 法[ 1 4 】 、状态估计法【 l 5 】 、参数模型法 、模糊／ 神经 网络法【 l 7 J 和基于信号时一频域诊断技术【 】 。近年 来 ，一些新 的 时频 分析方 法如 小波变 换 Wa v e l e t a n s f o r m 、Hi l b e 变换、H u a n g变换等方法针对设 备系统的故障监测及诊断在不 同的领域取得 了快速 的发展 。Q I N 等【 l 9 】 对于 机械 故障提 出了迭 代 型 Hi l b e 变换方法，并利用平滑瞬态频率估计方法解 决了传统 Hi l b e 变换方法中对模型估计的限制问 题 。 P E NG等I 2 U J 基于比较 Hi l b e 一 Hu a n g变换和小波 变换在频谱分析方面各 自的优缺点的基础上，针对 滚 动 轴 承 的 故 障 诊 断 提 出 了 一 种 改 进 的 H i l b e 一 H u a n g变换方法。 G AO等【2 J 分别利用小波 变换及与神经网络复合方法对液压泵的故障诊断和 状态监测进行了系列分析 ，并在此基础上给 出了液 压泵的时效判别方法。 液压泵故障诊断的方法主要是利用其壳体的 振动和噪声信息分析柱塞泵 的工作状态，并诊断其 故障原因。然而，由于所选择的故障特征信号如壳 体的振动、噪声、温度和泄漏量等都与液压泵的结 构和运行状态无直接联系，且信号受环境因素的影 响较大【 2 ，因此 ，对于提取故障特征的敏感度差 ， 影响了液压泵故障诊断的准确性。如何获取富含故 障信息的可测量信号，提高液压泵故障诊断的准确 性一直是该项研究的一个技术瓶颈 。研究发现液压 泵出口压力信号是一个系统常见、易于获取且富含 液压泵故障特征信息的状态监测量【 2 卜 。相应的研 究表明，利用小波分析、神经网络类聚分析等可有 效诊断液压泵 的故障。 本文采用液压泵 的出 口压力信 号作 为监测信 号，利用小波包对监测信号进行多层分解 ，通过建 立不 同频率范围的特征信号与液压泵不同故障因素 的对应关系， 为液压泵的故障诊断与定位提供依据， 以小波包各层分解系数的残差是否超 限作为判据进 行液压泵的故障诊断分析。 1 傅里叶变换与小波包分解 1 ． 1 傅里叶分析与小波分析 由于大多数状态监测信 号都是采用数据采集 系统获得的离散信号，因此，工程上常采用离散傅 里叶变换和离散小波变换对信号进行分析。离散序 列信 号 { ．厂 七 ，k0 1一 ， N一1 的傅 里叶变换及其 逆变换可表示为 一 i ] 一 f k e X p f i k 0 ’l，⋯ ，Ⅳ - 1 k 0 ＼ 』 ／ 2 式 中，Ⅳ为监测信号的采样长度 ， ， z 为信号序列 厂 在频率 k Hz处的傅里叶系数。 由式 2 可 以看 出，傅里叶分析的本质在于将一 个信号 厂 分解为许多具有不同频率的谐波函数的 线性叠加 ，把对原时域信号的分析转化为对其权系 数 即其傅里叶变换 的研究。虽然傅里 叶变换能够 将信号的时域特征和频域特征联系起来，分别从信 号的时域和频域分析 ，但却不能将二者有机结合起 来 。因为时域信号中不包含任何频域信息，而其傅 里叶谱是信号的统计特性 。虽然可以观测到信号的 频率特征，具有频域局部化的功能，但无法确定某 一 特征频率的时间特征，不能从信号的傅里叶变换 中观测到信号在任一时间点附近的形态 ，不具备时 域分析能力。用于故障诊断时，则无法确定故障的 学兔兔 w w w .x u e t u t u .c o m 8 2 机械工程学报 第4 5卷第 8期 发生时间。同时由于其频率成分的弱化，导致无法 诊断一些故障的早期征兆。 尽管加窗可以突出变换的局部特征，但 由于窗 口傅里叶变换是对窗口内的不 同谱分量进行平均而 得到的，只能得到信号在窗口区间内的总信息，对 信号的突变不敏感。 且窗 口函数不可变 窗口的形状 和大小是确定的1 ， 无法在时域和频域 同时获得局部 分析结果。缩小时窗宽度和取样步长 固然可获得更 多信息，但会使计算变得更加复杂。 离散序列信号f k 的二进小波变换可表示为 N ．． - ．I ， ／ ∑f k h m k m 3 k O 式中， ， 刀 0 ， 1 ， 2 ， ⋯ 分别称为尺度参数因子和平 移参数因子。 七 一2 ， z 为合成小波，是小波母函 数 ． f 2 - m ／ 2 2 I Ⅲ t 一 的二进离散形式。 采样序列 厂 在尺度 m 进行分析时有 ／ 4 ，l0 ∑ ml 4 ，Io ∑C a m o g m o k - 2 ， z 4∞ ∑C d ．, h ． , k - 2 Ca m o Cdm ∑／ 七 后 一 2 。 ， z kO ． Ⅳ一1 ∑f k h m k - 2 刀 压泵的压力信号分析中，为细化不同故障对应的信 号频率区间，可利用小波包分解对各尺度下的细节 部分同时进行分解 ，以细化特征频率，便于准确判 定故障的类型，提高对液压泵故障的敏感度和可 靠性。 小波包分解应 用一对相关联的低通滤波器和 高通滤波器，将信号序列分解为某一尺度下的低频 和高频两部分。在改变尺度对已分解的低频部分和 高频部分再次进一步分解，获取更为细化的频率成 分。这种分解可以进行多次，以达到所需要的频率 分辨率。图 l 表示了三层小波分析与小波包分析的 差异及各尺度下小波信号所观测的频段。其中，实 线部分表示小波分析的信号分解描述 ，实线与虚线 部分一起描述了小波包分解的过程。 。 和C d m， 分别表示 m层分解后信号的相似 系数和各频段的 细节系数。 岛 r 一 囱 一 丝．r ] 图 蜃 霹 强霸 囱国蜜蘑 蜜 蕊塑 式中， 是信号 f k 在 m 。 尺度下的低频部分 相 似度 ， 是信号／ J } 在m 。 尺度下的高频部分 细 节 ， 和C d m分别表示 m尺度下的相似系数和细 节 系 数 ， 七一 - m 为 合 成 尺 度 函 数 。 g 朋 ～ - m ， z 相 当 于 一 个 低 通 滤 波 器 ， 而 七 一2 n 为一个高通滤波器。 状态信息小波变换 的结果是一系列 与尺度 因 子m和平移因子 相关的小波系数。 小波变换 是在不 同频 带窗 口内刻画信号的时 域特征，具有时频域的局部化能力，且其时间窗和 频率窗可依据其变换尺度适应性改变。在故障诊断 时既能提取特征信号的频率特征 ，又保持了诊断信 息的时域特征，可用于对于诊断故障的发生时间进 行准确判断。 1 ． 2 小波分析与小波包分解 小波分析仅对各尺度下的低频部分进行进一 步的分解 ，而未对其高频部分进行细化分析。在液 2 液压泵的小波包故障诊断方法 2 ． 1 状态监测信号序列的形式 在线状态监测与故障诊断系统中，一般对于状 态信号的采集是连续进行的，所得到的状态信号的 离散序列理论上无限长。相对应地 ，为实现在线故 障诊断，缩短诊断时间，希望所观测的信号序列的 长度有限。同时，注意到小波包是将有限长信号序 列分解为多个对应在不同频段的小波包，从而监测 在特定频段内的频率特征以刻画设备的健康状态。 为了在分解后的频段信号中提取可靠的状态信息， 每个频段 内的小波信号应有足够的长度。 对于特定的故障诊断应用，应依据设备系统的 所有特征频率的频率范围确定状态信息的采样周期 和小波包分解的层次数。合适的分解层次应能有效 地消除低频和高频噪声的影响，以增强小波包分析 的特征信息敏感度[2 7 】 。小波包分解将信号序列分解 为2 个频段信号，各频段的宽度为采样频率除以 2 m为分解层数 。因此，信号序列的长度应能使 最深层小波系数的长度为 2 O ～1 0 0 。 学兔兔 w w w .x u e t u t u .c o m 2 0 0 9年 8月 高英杰等基于小波包分析的液压泵状态监测方法 2 ． 2 滑动双窗口 对设备 状态信 号进 行小波包分解 以监测设 备 的运行状态时，所采集的有限长信息序列必须能完 整无畸变地反映设备的所有特征信息 。然而在实际 操作中，一些操作程序上的误差会不可避免地混入 所观察的有限长信号中。一种最常见的误差就是小 波分析时的 “ 边界失真效应 ” 。由于在有限长信号序 列的开始和终点处，信号存在突变，在小波变换时 将产生信号畸变，这种现象称为边界效应[2 5 -2 6 1 。为 克服小波分析边界效应 的影响，一些方法如边界填 零法、序列对称扩展法等被用于消除信号的边界畸 变【 2 引 。然而，这些方法 由于引入 了人为数据 ，仍然 存在信号的畸变 问题 。针对故障诊断信号处理的特 点，本文提 出了一种滑动双窗口的处理方法，以消 除信号的边界畸变。 滑动双窗口利用一个较大的窗口 采样窗口 包 含所有的数据序列， 而用一个较小的窗口 观测测窗 口 分析状态监测信号 。 在实际信号分析 中，采样窗 口所覆盖的信号序列长度应使其最深层分解小波系 数的长度为 2 0 ～1 0 0 。而观测窗 口则依据边界畸变 数据的多少确定。在采样窗 口内，对信号序列进行 小波包分解 ，基于所有数据提取不 同频段的小波系 数。由于状态信号的连续性，所获得的刻画特征信 号的小波系数在观测 窗 口的边界处是完整非奇异 的，因此，通过缩小分析窗口可消除人为定义 的采 样窗口的边界效应 。一般地 ，可将所获得的小波系 数序列在采样窗 口的起始段和结束段各去除 5 ～1 0 个小波系数来定义观测窗口的大小。 值得注意的是， 这对双窗 口的大小是随小波变换的尺度适应性变化 的。图 2示意性地描述 了这种滑动双窗 口的构造 形式 。 采样 信 号 图 2 消除边界效应的滑动双窗 口 2 ． 3 残差计算与 比较 在线状态监测和故障诊断 的关键在 于区分正 常信号和故障状态时的敏感性和鲁棒性 。本文针对 液压泵的状态监测和故障诊断，提出一种基于小波 包分解的残差判别法。这种残差定义为观测信号与 参考信号 正常信号 的小波系数的能量差与参考信 号小波系数的能量之比。可用式 5 表示 足 式中，足为观测信号和参考信 号第 i 个小波包的残 差，C e m 和c r m 分别表示m层分解后观测信号和 参考信号第 f 个小波包的小波系数。 在对液压泵的状态监测时，需要一些 已知的参 考信号 通常选为健康状态信号 作为参照对象 ，通 过与参考信号的残差计算和预定义 的阈值大小，可 以判别液压泵的运行健康状态 。 2 ． 4 小波包的选取 应 用小波包分析法进行液压泵状态监测和故 障诊断 的前提是在观测信号所包含的状态信号中， 存在能反映液压泵健康状态，并与液压泵的结构参 数相对应的特征频率。而在诊断时的关键是利用小 波包的时频局部化能力提取对故障敏感度 强、故障 特征一致性好、可靠的特征频率。基于残差阈值判 据及小波包 的分解特征，本文利用树形搜索法，通 过计算观测信号在各分解层的残差，选择对故障最 敏感且观测一致性好的小波包作为液压泵状态监测 和故障诊断的特征小波包。 在状态监测时，特征小波包所反映的故障泵的 残差应与正常泵的残差有显著的区别。在故障诊断 与定位时，一种故障可能在不同的特征小波包的残 差中都有所反映，而不同的故障应有不同的敏感特 征小波。此时可以通过一个小波包或几个小波包 的 组合来判别故障的类型及产生故障的原因。 2 ． 5 基于小波包残差分析的在线状态监测与故障 诊断系统 基 于小波包 残差分析的液压泵在线状态监测 与故障诊断系统的组成如 图 3所示。 图3 在线状态监测与故障诊断系统 状态信号采集单元用于实时采集液压泵的运 行状态信息。在线故障诊断时，所采集的状态信号 除了能表现 出液压泵状态信息外 ，还应使状态信号 的数量尽可能少，以便进行快速诊断 。本文仅利用 学兔兔 w w w .x u e t u t u .c o m 机械工程学报 第4 5卷第 8期 液压泵的出口压力信号作为液压泵的状态信号。因 为出口压力信号含有液压泵的多种运行状态信息， 如滑靴、斜盘、轴承等零件的损伤故障都会引起出 口压力的波动。此外，压力信号是液压系统中最常 见且便于采集， 又不会对系统性能产生影响的信号。 对于采集单元的基本要求是其采样频率应至少大于 液压泵最高特征频率的两倍以上，保证所采集到的 信号不失真 ，能反映液压泵的运行状态。 小波包分析和 小波能量残差分析单元是液压 泵状态监测和故障诊断的核心，其分析方法如前文 所述。为快速实现状态监测，运行时仅利用所选择 的特征小波包进行分析。对于液压泵的状态监测只 利用一个小波包 的小波 能量残差进行健康状态判 别，而利用 2 - - 3个小波包进行故障的诊断与定位。 故障诊断与故障识别单元都具有识别液压泵 状态是否正常的功能，两个单元都对所选择的小波 包进行小波能量残差的计算。通常，在状态监测循 环 中，只进行状态监测与故障诊断分析，而在需要 确定故障的类型时进行故障识别分析。 试验结果与故障诊断分析 3 ． 1 试验装置 本文的试验研究是在台架试验装置 “ 液压系统 试验机 ” 上进行并完成的 液压系统试验机是一“ 阀 控缸式 ”的电液控制系统，其能源装置的系统图如 图 4所示。 图 4 试验装置系统 图 常泵 图 4中，左边泵组为故障泵组，右边泵组为正 常泵组，泵为定量轴向柱塞泵，排量为 1 0 mL ／ r 。试 验中，分别运行两组泵，用溢流阀设定系统的工作 压力为 6 ． 5 MP a ，泵的转速为 l 4 7 0 r mi n - 。利用 压力传感器采集泵出口处的压力信号作为泵组运行 状态的特征信号。 压力传感器的量程为 0 - - 1 0 MP a ， 带宽为 2 0 k H z 。 采集单元利用 N I 公司的 P C I ． 6 0 5 2 E 多功能卡连接压力传感器到分析计算机 ，采样频率 为 2 0 0 Hz 。利用 V C 编制数据采集程序并调用 Ma t l a b进行小波包分析 。 3 ． 2 液压泵的状态信号 试验泵是一种具有 7个柱塞的轴向柱塞泵。其 压力脉动频率 功1 4 r m／ 6 0 r a d ／ s 与泵 的转速 ， l 成 正比。当泵的转速为 1 4 7 0 r mi n - 时， 泵 出口处的 压力脉动频率为 1 7 1 ． 5 H z 。值得注意的是，在泵的 运行中，很少有两种 以上的故障同时发生。一种故 障在泵运转时每转所造成的压力冲击是一次，其冲 击频率为 2 n n ／ 6 0 r a d ／ s 。因此 ，当泵 的角速度 为 1 4 7 0 r a d ／ s 时， 大部分故障的特征频率为2 4 ． 5 H z 。 本试验系统中，分别进行了一个正常泵和三个 具有不同故障的故障泵来验证所设计的故障诊断方 法。 试验时， 每组试验分别随机进行 7次诊断试验。 每组用于故障分析的信号序列时间段为4 s 。 其中的 一 组分别取 自四个泵的压力信号如图 5 所示。 6 7 ．s 奋 ．3 O 6 - 7 f 6 f 坦 6 ．3 6 R 出 l 2 3 4 时间 f ， s a 正常泵 1 2 3 4 时间 b 故障泵 故障1 6 ．7 广 c 故障泵 故障2 ．5 帅 邕6 专 时洒 t |s d 故障泵 故障3 图5 四个监测泵的出口压力信号 从图 5中可以看出，所有的压力信号都在 6 ．5 学兔兔 w w w .x u e t u t u .c o m 2 0 0 9年 8月 高英杰等 基于小波包分析的液压 泵状态监测方法 MP a上下波动，除去测量噪声的影响外， 压力信号中判断出泵的健康状态。 3 ． 3 故障诊 断分析 很难仅从 压泵的健康状态。 为选取有 效的液 压泵状态监测与故 障诊 断方 法，本项研究分别应用快速傅里叶法、 小波分析法、 基于小波包分解 的残差分析法对观测到的压力信号 进行分析 。 图 6为应用快速傅里 叶法对正常泵和两个故障 泵压力信号进行分析所得 的频谱图。从图 6中可以 看出，由于傅里叶变换在频域弱化 了液压泵故障特 征频率的表征，利用傅里 叶频谱分析难 以对泵的状 态进行判别 。尤其是在早期故障诊断中，当故障特 征信号的幅值较小时，频谱分析对于故障的敏感度 较低。 5 0 ∞4 0 3 0 褥 2 O l O O 频率 t T r u a 正常泵 频率 pH z b 故障泵 故障1 频率 { z c 故障泵 故障2 图 6 监测泵压力信号的频谱分析 在应用小波包分析时，从连续采集的压力信号 中随机抽取时长为 4 S的信号数据段作为观测信号 进行状态监测与故障诊断。首先将观测信号进行三 层分解得到 8个小波包 ，则每个小波包的频段宽度 为 2 1 ． 5 Hz 。 图 7表述 了利用 d b 5小波分别对正常泵和一个 故障泵的观测信号进行三层分解后 8个小波包 的小 波系数的变化情况 。其 中，相似小波包 C a 3 表述 了小波与观测信号的相似程度 ，而细节小波包 2 ～ 8 C d 3 ～ C ， 描述 了在不同频段小波与原始信号 的差异。这些细节小波包所描述的差异往往表征液 一 2 1 8 2 _ 2 _ T { _ 小波系数序列 小波系数序列 譬 厂 2 r 0 、， 、 一 0 r 、 、 一 小波系数序列 小波系数序列 0 、 、～ 、 一 、， 一 0 、 一 、 、 一 、 一 小波系数序列 小波系数序列 2 r_ o 2 I． ．．．．．． ．．．．．． ． ．．J． ．．．．． ． ．．． ．． ． ．．j1． ．．．． ．． ．．．． ．．．． i．．．． 0 5 1 0 1 5 2 0 小波系数序列 - 2 I I [ 一 。 2 1 8 2 f_ V 、／ ＼广 f- ． ． V ． u 一 二_ _ 小波系数序列 小波系数序列 0 5 1 0 1 5 2 0程0 5 10 15 2 0 - 2 小波系数序列 2 r 小波系数序列 0 叶 v 、 ／ 、 _ u 。 2 0 L 5 1 0 5 2 0 u 。 0 L 5 1 0 5 2 0 1 1 b 故障泵 故障 1 图 7 监测泵压力信号的小波系数 观察图 7可以看 出，尽管两个泵的相似小波包 的小波系数 。 存在 明显的区别，但 由于其相对 变化很小 小波系数的平均值为 1 8 3 ． 5 ，因此，其对 故障的敏感度相对较低 。 比较 7个细节小波包的小波系数可以发现，两 个泵的小波系数 C d 3 、C d 3 、 和 C 存在 明 显的差异。在两个故障泵的小波包分解中也可发现 类似 的结果。因此 ，可 以通过对 比正常泵和故障泵 在 这 些 小 波 包 中 的 小 波 系 数 来 判 别 泵 的健 康 状态 。 为保证诊断的准确性及确定诊断判据，应对小 波系数进行定量化的表述。利用各小波包相对健康 泵的参照小波包，计算小波系数的能量残差可提高 诊断的敏感度及诊断精度。 图 8为四个观测泵状态信号 出口压力 的一组 小波残差。分析小波系数的能量残差可以看出，正 学兔兔 w w w .x u e t u t u .c o m 机械工程学报 第 4 5 卷第 8期 常泵的小波能量残差在所有的小波包中表现出残差 值低的一致性， 其残差值均小于 O ． 3 。 对故障泵 1 滑 靴损坏 ， 其小波系数 C d 3 ， 、C d 3 、C d 3 和 c a 3 7 的 残差大 于 l ，而故障泵 2 盘烧伤 的小波系 数 C ， 、 C d 3 和 c a 3 ， 的残差大于 1 。同时，注意到 故障 3 配流盘损坏 除相似小波系数 C a a 。 的残差小 于 0 ． 0 5外，其余的小波系数残差均大于 0 ． 5 。 4． 0 3 ． 5 3 ． 0 辅 2 ．5 镁 2 ． 0 1 ． 5 1 ． O 0 ． 5 O 一 ．Bl 1 1 ． ． ． ． ． Ca 3 ，0 C d3，1 Cd 3，2 ca 3，3 Cd 3 ,4 Cd3，5 Cd 3，6 C d3，7 图 8 压力信号 的 3 层小波系数残差 四个泵的相似小波系数 C a 3 。 的残差均接近 0 。 说明所观测泵 出口压力信号本体波形的一致性 。 进一步的分析可 以发现 小波系数残差所反映 出的故障特征。 正常泵工作时， 其压力的波动均匀， 没有异常的冲击发生，因此，其小波包的能量残差 均表现为低值。当液压泵的某个部件f 如滑靴 、 斜盘 等 有损伤时，必然会造成输出压力异常冲击。表现 为在特定的频段上其小波残差较大。 依据图 8 ，设定状态阈值为 0 ． 5 ，利用小波系数 的能量残差即可判别液压泵的健康状态。利用不同 小波包的能量残差可进一步判定故障的类型。 3 ． 4 重复试验验证 为评价基于小波包残差分析的液压泵状态监 测与诊断方法的可靠性和对故障的敏感性，以及小 波基函数对诊断精度的影响，对四个泵利用 6种常 用小波函数分别进行 了 7 组诊断试验 。试验的方法 与上述方法相同，即随机提取 4 S的状态信号序列 进行小波包分解， 并应用滑动双窗口消除边界效应 ， 最后计算残差进行状态判别。 图 9 所示为利用 s y m5 小波对四个泵分别进行 7组诊断试验所得到的小波 系数能量残差。 由图 9中可以看出，利用 s y m5小波进行液压 泵的状态监测时，只有故障泵 1的一次试验未检测 出泵的故障 漏诊 ，而对其余的 2 7组试验，均可判 断出泵的健康状态。 利用 6种常用小波 d b 2 、 d b 3 、 d b 5 、 s y m 2 、 s y m3 、 s y m5 小波对四个泵分别进行 7组诊断试验所得到 的结果如下表。 2 O l 5 蕞 l l O O 5 0 2．O 1 ．5 1 ． o 0 ． 5 0 2 ． O 1 ． 5 1 ． o 0 ． 5 0 a 正常泵 Ca3 ，0 ca3，1 ca 3 ,2 C d 3,3 Cd 3,4 ％ 5 C d 3 , 6 c a 3 a b 故障泵 故障 1 ． j ．几 k 1 一 釉 Ca 3 ，0 Cd 3，1 c a3 ，2 Cd 3，3 Cd3，4 Cd 3，5 C d3，6 ca3，7 c 故障泵 故障2 _． ． i脯 ． I ．脯 图9 利用 s y m5 小波的诊断结果 表6种不同小波诊断结果对比 注 C为诊断 正确 的数量 ， 为漏诊 的数量 ， 为 诊断准确 翠 。 由上表可以看出，利用 s y m5小波和 d b 5小波 可以获得较高的故障诊断准确率r 分别大予 8 6 ％和 7 1 ％ ，而利用其他几种小波时，诊断的准确性和可 靠性较低 最低为 5 7 ％ 。 以上的分析和试验结果表明，利用泵出口处的 压力信号，通过小波包分解和残差计算，可以判断 液压泵的健康状态。 4 结论 本文针对液压泵的状态监测与故障诊断，提出 了一种基于小波包分解和小波系数能量残差的分析 方法。通过随机提取液压泵的状态信号序列进行小 波包分解，并应用滑动双窗 口消除边界效应 ，计算 学兔兔 w w w .x u e t u t u .c o m 2 0 0 9年 8月 高英杰等基于小波包分析的液压泵状态监测方法 出小波系数能量残差进行液压泵的健康状态判别。