通过特征信号分析维修液压泵故障的方法

在液压泵维修故障诊断领域中, 关于非线性、非平稳性特征的振动信号特征提取是对工程机械设备进行准确诊断的关键。分形理论作为非线性动力学的一种理论方法, 为解决复杂非线性系统的故障诊断特征提取问题提供了有效的解决方案。

在液压泵维修故障诊断中, 采用USB-6211数据采集卡连接一个振动传感器, 对轴向柱塞泵前端盖振动进行监测。设置泵出口压力为13 MPa、采样频率50 kHz, 首先对泵正常工作时的泵进行采集, 然后将含有磨损的滑靴、松靴的柱塞、磨损的中心弹簧与泵的正常元件替换, 采集液压泵的滑靴磨损、松靴和中心弹簧失效故障信号。液压泵的滑靴磨损、松靴和中心弹簧失效故障振动信号的时域波形如图3所示。

从图4中看出液压泵的吸引子集中于一团, 且各状态下吸引子整体呈现形状存在一定的差别。正常状态条件下吸引子的变化呈现较为规则的球形; 滑靴磨损故障条件下吸引子存在沿球体某一轴线两侧向外延伸的趋势; 松靴故障条件下延伸的方向略有增多; 中心弹簧失效故障条件下吸引子呈现较为规则的椭球型。这说明在故障状态下, 三维相空间吸引子将发生较大变化, 对液压泵振动信号发生的异常改变具有较强的敏感性。

计算测试液压泵的关联维数。其计算和诊断结果如表2所示。由表2可见, 测试液压泵中第1个待检测信号D1在m=18时的关联维数近似为2.91, 与中心弹簧失效故障对应的特征关联维数2.93相近, 所以判断该状态为中心弹簧失效故障; 第2个待检测信号D2在m=36时的关联维数近似为4.24, 与正常状态对应的特征关联维数4.25相近, 所以判断该状态为正常状态; 

第3个待检测信号D3在m=36时的关联维数近似为3.90, 与松靴故障对应的特征关联维数3.92相近, 所以判断该状态为松靴故障; 第4个待检测信号D4在m=14时的关联维数近似为1.75, 与滑靴磨损故障对应的特征关联维数1.76相近, 所以判断该状态为滑靴磨损故障。诊断结果与实际相符, 由此证明, 利用该方法进行液压泵状态的检测是有效的。

通过以上的理论和实验分析,得出以下结论:

(1) 特征关联维数作为特征参数指标能有效诊断液压泵的故障。通过确定唯一数值的特征关联维数作为诊断故障的标准, 简化了诊断过程;

(2) 通过对三维相空间相点的分布规律分析发现, 液压泵故障状态下吸引子发生较大程度的变化, 特征关联维数对故障具有较强的敏感性。