PARKER液壓泵和TOYOOKI柱賽泵故障機(jī)理分析由于制造誤差或液壓泵在工作過程中的壓力沖擊，常常使柱塞球頭與球窩沉凹變形使球頭與球窩間隙增大，從而產(chǎn)生柱塞球頭松動的故障。
　　1.1基于振動信號的故障機(jī)理分析
　　液壓泵缸體在轉(zhuǎn)動過程中，柱塞在油缸中往復(fù)運(yùn)動。當(dāng)缸體轉(zhuǎn)過一定角度時，經(jīng)過上死點(diǎn)柱塞進(jìn)人吸油區(qū)，球頭與柱塞發(fā)生一次碰撞；當(dāng)缸體轉(zhuǎn)動經(jīng)過上死點(diǎn)后，球頭開始向柱塞方向運(yùn)動，球頭與柱塞發(fā)生相對運(yùn)動；當(dāng)轉(zhuǎn)過排油區(qū)時，高壓油作用在柱塞上，使柱塞迅速向球頭方向運(yùn)動，從而又一次產(chǎn)生沖擊。缸體轉(zhuǎn)動一周，球頭與柱塞發(fā)生兩次碰撞，經(jīng)過傳動軸和軸承將能量傳遞到殼體上，故球頭松動故障的振動頻率為軸頻率的2倍。地址:廣東 東莞 南城區(qū)宏遠(yuǎn)路1號宏遠(yuǎn)大廈13A11
      ：  
:86-  手機(jī):  
傳真 86-   ：廖
　　1.2基于壓力信號的故障機(jī)理分析
　　球頭松動對液壓泵出口的壓力脈動也有影響。當(dāng)缸體轉(zhuǎn)過上死點(diǎn)時，球頭向柱塞方向運(yùn)動，當(dāng)油缸的排油進(jìn)入卸荷區(qū)時，球頭與柱塞還未發(fā)生碰撞，這時在高壓油的作用下，柱塞又向球頭方向運(yùn)動，球頭與球窩發(fā)生碰撞，產(chǎn)生振動沖擊的同時，碰撞通過柱塞作用在高壓油上從而產(chǎn)生一個壓力脈動，所以球頭松動引起泵出口的壓力脈動頻率與泵的軸頻率相同，由上述分析可知，如果球頭與球窩的間隙很小時，球頭與柱塞的相對速度不大，產(chǎn)生的碰撞能量很小。當(dāng)間隙增大時，產(chǎn)生的振動能量就會增大，且具有周期變化的時變特性，殼體檢測的振動能量通常分布于2倍軸頻率處；對于壓力脈動信號，能量主要分布在軸頻率處。
　　1.3球頭松動故障診斷系統(tǒng)
　　針對球頭松動故障，在液壓泵出口垂直方向安裝了2個加速度傳感器ax、a。檢測振動，1個壓力傳感器P檢測泵的壓力脈動。由于液壓泵出口檢測到的振動信號和壓力信號常被干擾信號淹沒，為了提取故障特征，對上述傳感器的檢測信號進(jìn)行小波消噪處理。通過小波消噪處理有效提取故障特征，利用PCA分析很大程度上減少了信息融合特征向量的維數(shù)，通過可診斷性檢驗(yàn)證明PCA重新組合的特征向量可以實(shí)現(xiàn)多故障診斷。在BP算法中引人附加動量項(xiàng)，獲得*學(xué)習(xí)率

　　PARKER液壓泵和TOYOOKI柱賽泵故障機(jī)理分析2、小波信號消噪處理
　　液壓泵的工作環(huán)境一般比較惡劣，其工況受環(huán)境的影響較大，通常在泵出口檢測到的信號含有很大的噪聲。試驗(yàn)表明，液壓泵出口檢測到的壓力信號和振動信號體現(xiàn)出以下特點(diǎn)：①信號的頻譜分布很寬、波形雜亂，規(guī)律性差；②時變與非平穩(wěn)性表現(xiàn)明顯。
　　因此，基于這兩種信號的故障特征提取非常困難，有必要對檢測的信號進(jìn)行消噪處理。
　　小波分析是目前較有效的信號處理方法，它可以同時在時域和頻域中對信號進(jìn)行分析，能有效地區(qū)分信號中的突變部分和噪聲，實(shí)現(xiàn)信號的消噪。
　　泵出口振動信號及其小波消噪后的信號，選取小波消噪的全局閾值為1.049。很明顯，檢測信號中包含了許多干擾信號，很難簡單地利用檢測到的振動信號進(jìn)行有效的故障診斷。為了消除干擾影響，經(jīng)過小波處理，可以有效地消除泵出口振動信號中所包含的噪聲，有利于故障特征的提取。　　3、信息融合故障診斷方法
　　信息融合是將多源信息加以智能合成，產(chǎn)生比單一信息源更、容錯性和魯棒性更強(qiáng)的估計(jì)和判斷‘2’。由于液壓泵出口檢測到的信息微弱，易于被干擾所淹沒，很難利用單個傳感器的檢測信號進(jìn)行微弱故障特征的有效診斷。采用的信息融合故障診斷過程，即將振動信號和壓力信號進(jìn)行小波消噪處理，利用統(tǒng)計(jì)分析提取有效特征信息，采用主成分分析（PrinciP81componentanalysis，PCA）有效解耦各故障特征間的相關(guān)性，減少故障特征的維數(shù)，采用改進(jìn)算法的BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)液壓泵球頭松動故障診斷。
　　PARKER液壓泵和TOYOOKI柱賽泵故障機(jī)理分析3.l特征層信息融合
　　特征層狀態(tài)屬性融合就是將對多種類型傳感器數(shù)據(jù)進(jìn)行預(yù)處理以完成特征提取及數(shù)據(jù)配準(zhǔn)，即通過傳感器信息轉(zhuǎn)換，把各傳感器輸人數(shù)據(jù)變換成統(tǒng)一的數(shù)據(jù)表達(dá)形式。

　　通過特征向量歸一化處理可以實(shí)現(xiàn)信息融合數(shù)據(jù)配準(zhǔn)。本文提取振動信號和壓力信號的均值、峰值因子、特征頻率的能量值和功率譜幅值、四次矩等作為球頭松動故障的特征向量。
　PARKER液壓泵和TOYOOKI柱賽泵故障機(jī)理分析　3.2選取主成分
　　在新樣本空間上，逐次計(jì)算傳感器信息的綜合指數(shù)為主成分上的貢獻(xiàn)。令主成分貢獻(xiàn)綜合指數(shù)閾值為85%，根據(jù)貢獻(xiàn)綜合指數(shù)選取前幾個主成分，作為下一步信息融合的信息。
　　針對液壓泵正常和4種球頭松動故障，各選取100個樣本，由于高度顯著，說明這4組特征向量有十分明顯的差異，故此類故障的不同故障程度是可以診斷的。
　　選擇BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，對液壓泵正常和設(shè)置的4種球頭松動故障在訓(xùn)練誤差精度要求下對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，通過改進(jìn)算法的學(xué)習(xí)和訓(xùn)練得到BP網(wǎng)絡(luò)的優(yōu)化權(quán)值矩陣。在實(shí)際使用時，利用BP神經(jīng)網(wǎng)絡(luò)的權(quán)值矩陣及其改進(jìn)算法實(shí)現(xiàn)多故障的有效診斷。其中輸出節(jié)點(diǎn)1表示液壓泵正常時神經(jīng)網(wǎng)絡(luò)的輸出值，節(jié)點(diǎn)2表示間隙為6μm時神經(jīng)網(wǎng)絡(luò)的輸出值，節(jié)點(diǎn)3表示間隙為9μm神經(jīng)網(wǎng)絡(luò)的輸出值，節(jié)點(diǎn)4表示間隙為12μm時神經(jīng)網(wǎng)絡(luò)的輸出值，節(jié)點(diǎn)5表示15μm時神經(jīng)網(wǎng)絡(luò)的輸出值。
PARKER液壓泵和TOYOOKI柱賽泵故障機(jī)理分析